【GS文献】测序时代植物复杂性状育种之基因组选择
综述:Genomic Selection in the Era of Next Generation Sequencing for Complex Traits in Plant Breeding
要点:
- MAS仅对数量较少的主效QTL有效,而GS适用于大量微效QTL控制的复杂数量性状。GS根据分布在整个基因组中的大量标记信息来估计个体的遗传价值,而不是像MAS中那样基于少量标记。
- GS由Meuwissen(2001)等人提出,一开始应用于动物,最近才应用作物育种。主要是因为NGS的成本下降(尤其是GBS、RADseq等简化基因组测序的应用),NGS已成为在短时间内检测众多基于DNA序列多态性标记的强大工具,并已成为基因组估计育种(GAB)的强大工具。
与表型选择(Phenotypic selction, PS)相比,GS可以增加每年的遗传增益(应用GS估计的每年遗传增益是传统育种的几倍),而且对于具有较长世代或难以评估的性状显得更容易。
GS最明显的优势是,从种子或幼苗获得的基因型数据可用于预测成熟个体的表型,而无需在多年和环境中进行广泛的表型评估,从而提高了作物品种的发育速度。
GS的应用案例:
S.no. | Species | NGS marker platform | Trait | Population size | Total SNP markers | Prediction accuracy | Model | Software packages | Reference |
---|---|---|---|---|---|---|---|---|---|
1 | Rice | GBS | Grain yield, flowering time | 363 | 73,147 | 0.31–0.63 | RR-BLUP | R package rrBLUP | Spindel et al., 2015 |
2 | Rice | DArTseq | Grain yield, plant height | 343 | 8,336 | 0.54 | G-BLUP, RR-BLUP | BGLR and ASReml R packages | Grenier et al., 2015 |
3 | Wheat | GBS | Stem rust resistance | 365 | 4,040 | 0.61 | G-BLUP B | R package GAPIT | Rutkoski et al., 2014 |
4 | Wheat | GBS | Grain yield, plant height, heading date and pre-harvest sprouting | 365 | 38,412 | 0.54 | BLUP | R package rrBLUP | Heslot et al., 2013 |
5 | Wheat | GBS | Grain yield | 254 | 41,371 | 0.28–0.45 | BLUP | ASReml 3.0 | Poland et al., 2012 |
6 | Wheat | GBS | Yield and yield related traits, protein content | 1127 | 38,893 | 0.20–0.59 | BLUP | rrBLUP version 4.2 | Isidro et al., 2015 |
7 | Wheat | GBS | Fusarium head blight resistance | 273 | 19,992 | 0.4–0.90 | RR-BLUP | R package GAPIT | Arruda et al., 2016 |
8 | Wheat | GBS | Grain yield, protein content and protein yield | 659 | – | 0.19–0.51 | RR-BLUP | R package rrBLUP | Michel et al., 2016 |
9 | Wheat | GBS | Grain yield | 1477 | 81,999 | 0.50 | G-BLUP | R package rrBLUP | Lado et al., 2016 |
10 | Wheat | DArTseq | Grain yield | 803 | – | 0.27–0.36 | G-BLUP | BGLR and ASReml R packages | Pierre et al., 2016 |
11 | Wheat | GBS | Grain yield, Fusarium head blight resistance, softness equivalence and flour yield | 470 | 4858 | 0.35–0.62 | BLUP | BGLR R-package | Hoffstetter et al., 2016 |
12 | Wheat | GBS | Heat and drought stress | 10819 | 40000 | 0.18–0.65 | G-BLUP | BGLR R-package | Crossa et al., 2016 |
13 | Maize | GBS | Drought stress | 3273 | 58 731 | 0.40–0.50 | G-BLUP | BGLR R-package | Zhang et al., 2015 |
14 | Maize | GBS | Grain yield, anthesis date, anthesis-silkimg interval | 504 | 158,281 | 0.51–0.59 | PGBLUP, PRKHS | R Software | Crossa et al., 2013 |
15 | Maize | GBS | Grain yield, anthesis date, anthesis-silkimg interval | 296 | 235,265 | 0.62 | PGBLUP, PRKHS | R software | Crossa et al., 2013 |
16 | Maize | DArTseq | Ear rot disease resistance | 238 | 23.154 Dart-seq markers | 0.25–0.59 | RR-BLUP | R package rrBLUP | dos Santos et al., 2016 |
17 | Soybean | GBS | Yield and other agronomic traits | 301 | 52,349 | 0.43–0.64 | G-BLUP | MissForest R package, TASSEL 5.0 | Jarquín et al., 2014b |
18 | Canola | DArTseq | Flowering time | 182 | 18, 804 | 0.64 | RR-BLUP | R package GAPIT | Raman et al., 2015 |
19 | Alfalfa | GBS | Biomass yield | 190 | 10,000 | 0.66 | BLUP | R package, TAASEL software | Li et al., 2015 |
20 | Alfalfa | GBS | Biomass yield | 278 | 10,000 | 0.50 | SVR | R package rrBLUP, R package BGLR, R package ‘RandomForest | Annicchiarico et al., 2015 |
21 | Miscanthus | RADseq | Phenology, biomass, cell wall composition traits | 138 | 20,000 | 0.57 | BLUP | R package rrBLUP | Slavov et al., 2014 |
22 | Switchgrass | GBS | Biomass yield | 540 | 16,669 | 0.52 | BLUP | glmnet R package, R package rrBLUP | Lipka et al., 2014 |
23 | Grapevine | GBS | Yield and related traits | 800 | 90,000 | 0.50 | RR-BLUP | R package BLR, R package rrBLUP | Fodor et al., 2014 |
24 | Intermediate wheatgrass | GBS | Yield and other agronomic traits | 1126 | 3883 | 0.67 | RR-BLUP | R package rrBLUP, BGLR R-package | Zhang et al., 2016 |
25 | Perennial ryegrass | GBS | Plant herbage dry weight and days-to-heading | 211 | 10,885 | 0.16–0.56 | RR-BLUP | R software | Faville et al., 2016 |
限制GS效率和准确性的主要因素:标记类型、密度以及参考群体大小(受高成本基因分型限制)、种群结构(即遗传相关性)
种群结构影响:由于亚群之间不同的等位基因频率,种群结构在全基因组关联研究中产生了假的标记-性状关联,这可能会夸大对基因组遗传力的估计以及对基因组预测的偏倚准确性。当训练和验证集中都存在种群结构时,对种群结构的校正会导致基因组预测的准确性显著下降。
NGS基因分型比其他已建立的标记平台将GEBV预测的准确度提高了0.1到0.2。示例:RADseq中国芒草(Slavov et al,2014),热带水稻GS开花时间的预测精度为0.63(Spindel et al, 2015年),小麦GS中NGS比DArT标记具更高的准确度(Heslot等,2013)
GBS的灵活性,低成本和GEBV预测精度使其成为GS的理想方法,GBS应用于GS模型案例:小麦(Heslot,2013),(Crossa,2013);大豆(Jarquín,2014b)
基因分型不再限制GS的预测准确性,但是表型数据的可靠性是实施GS的技术挑战,即基因型-表型差距(GP gap)。精确的表型数据是训练GS模型以准确预测BP GEBV的关键组成部分之一。
目前的一些高通量表型(HTP)设施:非侵入性的成像,光谱图像分析,机器人技术和高性能计算设施等。
GBS+HTP提高GEBV:
【GS文献】测序时代植物复杂性状育种之基因组选择的更多相关文章
- 【GS文献】植物育种中基因组选择的方法、模型及展望
目录 1. GS/GP在植物育种中的角色 2. GP模型应用 3. GP模型的准确性 4. 植物育种的GS展望 5. 小结 Genomic SelectioninPlant Breeding: Met ...
- 【GS文献】全基因组选择模型研究进展及展望
目录 1. GS概况 2. GS模型 1)直接法 GBLUP 直接法的模型改进 ①单随机效应 ②多随机效应 2)间接法 间接法模型 基于间接法的模型改进 3. GS模型比较 模型比较结论 4.问题及展 ...
- 全基因组选择育种(GS)简介
全基因组选择(Genomic selection, GS)是一种利用覆盖全基因组的高密度标记进行选择育种的新方法,可通过早期选择缩短世代间隔,提高育种值(Genomic Estimated Breed ...
- 【百奥云GS专栏】1-全基因组选择介绍
目录 什么是基因组选择? 基因组选择技术的发展 基因组选择的原理和流程 基因组选择的模型 基因组选择的展望 参考资料 什么是基因组选择? 基因组选择(Genomic Selection,简称GS)这一 ...
- 【百奥云GS专栏】全基因组选择之工具篇
目录 1. 免费开源包/库 1.1 R包 1.2 Python库 2. 成熟软件 3. WEB/GUI工具 前面我们已经介绍了基因组选择的各类模型,今天主要来了解一下做GS有哪些可用的软件和工具.基因 ...
- 【GS文献】基因组选择在植物分子育种应用的最新综述(2020)
目录 1. 简介 2. BLUP类模型 3. Bayesian类模型 4. 机器学习 5. GWAS辅助的GS 6. 杂交育种 7. 多性状 8. 长期选择 9. 预测准确性评估 10. GS到植物育 ...
- 【GS文献】植物全基因组选择育种技术原理与研究进展
目录 1. 优势杂交育种预测 2. GS育种原理与模型算法 岭回归和LASSO回归 贝叶斯方法 GBLUP和RRBLUP 偏最小二乘法 支持向量机/支持向量回归 其他方法 3. 模型预测能力验证 4. ...
- 【GS文献】基因组选择技术在农业动物育种中的应用
中国农业大学等多家单位2017年合作发表在<遗传>杂志上的综述,笔记之. 作者中还有李宁院士,不胜唏嘘. 1.概述 GS的两大难题:基因组分型的成本,基因组育种值(genomic esti ...
- 【GS基础】植物基因组选择研究人员及数量遗传学发展一览
目录 1.GS研究 2.数量遗传发展 GS应用主要在国外大型动物和种企,国内仍以学术为主.近期整理相关学术文献,了解到一些相关研究人员,记录下备忘查询,但不可能全面. 1.GS研究 Theo Meuw ...
随机推荐
- Redis:学习笔记-01
Redis:学习笔记-01 该部分内容,参考了 bilibili 上讲解 Redis 中,观看数最多的课程 Redis最新超详细版教程通俗易懂,来自 UP主 遇见狂神说 1. Redis入门 2.1 ...
- BUAA 2020 软件工程 结对项目作业
Author: 17373051 郭骏 3.28添加:4.计算模块接口的设计与实现过程部分,PairCore实现的细节 项目 内容 这个作业属于哪个课程 2020春季计算机学院软件工程(罗杰 任健) ...
- 搬运1:关于对C语言中数组名取地址加减等操作的一点探究
对于数组名取地址强制转换的操作 偶然在晚上学了C语言指针后网页闲逛找题时,被一个数组名取地址搞糊涂了,在自己试验加探索后我稍微悟了一点东西. 代码如下: #include<stdio.h> ...
- Linux Shell Here Document
Here Document 是一种有特殊用处的代码块,他使用IO重定向的形式记录了一段临时的文本或交互命令,并且把这些文本或命令 依次的传递给一个程序或一个命令,作为他运行时的标准输入. Here d ...
- Typora简介
Typora是什么 Typora是一款支持实时预览的Markdown文本编辑器,拥有macOS.Windows.Linux三个平台的版本,并且完全免费. 下载地址:https://www.typora ...
- 【java+selenium3】自动化截图 (十四)
一.截图 1. Firefox浏览器截图 FirefoxDriver firefoxDriver = new FirefoxDriver(); firefoxDriver.getScreenshotA ...
- Qt 信号与槽的自动关联机制
前言 对于一些简单的事件判别,如点击按钮.无需写代码关联信号和槽函数. connect(ui->Btnshowhello,SIGNAL(clicked(bool)),this,SLOT(Btns ...
- linux堡垒机下定位日志文件内容
查找关键词grep 命令: grep '关键字' 文件 --color 功能:搜素文件内容 语法: grep [-iv] 关键字 文件 -i 不区分大小写 -v 忽略指定字符串 -n 显示行号 -C ...
- 解决一个C#中定时任务被阻塞问题
解决一个C#中定时任务被阻塞问题 目录 解决一个C#中定时任务被阻塞问题 1.摘要 2.C#中定时任务的最简方法 3.定时任务阻塞现象 4.阻塞现象原因分析 5.问题解决 1.摘要 本文会介绍一个C# ...
- CCCC-exercise
CCCC-exercise 1.L1 总结L1 1-27里面我觉得有东西可以总结的题目 贴了部分的代码 L1-006(20) 一个正整数 N 的因子中可能存在若干连续的数字.例如 630 可以分解为 ...