Геномные методы могут оптимизировать селекцию зерновых культур по качеству зерна.

от

Исследователь мелких зерновых культур Хуан Давид Арбелаез-Велес знает секрет идеального риса — и дело не в способе его приготовления. Арбелаез и его команда изучают генетический план, который определяет различные характеристики зерна, такие как внешний вид, время приготовления и текстура. В их [статье](http://doi.org/10.1002/tpg2.70068), опубликованной в журнале The Plant Genome, предлагается стратегия, которая поможет селекционерам комплексно улучшить качество зерна, сокращая при этом расходы и время.

«Иногда сорт настолько продуктивен, что селекционеры не замечают некоторых его недостатков. Затем, когда дело доходит до проверки качества, сорт не соответствует отраслевым и потребительским стандартам», — говорит Арбелаез, доцент кафедры растениеводства, входящей в состав Колледжа сельскохозяйственных, потребительских и экологических наук Университета Иллинойса в Урбане-Шампейне.

«Используя мультифакторные генетические подходы, мы используем всю доступную информацию — ДНК всего генома, агрономические признаки, такие как урожайность, сроки созревания и высота растений, в дополнение ко вторичным признакам качества, таким как содержание крахмала, размер зерна, цвет и внешний вид», — объясняет он.

Глобальный спрос на высококачественный рис растёт, говорит Арбелаез, и селекционеры риса должны идти в ногу со временем. Производители хотят продуктивные сорта, которые хорошо растут и могут противостоять засухе и вредителям. Мукомолы хотят, чтобы рисовые зёрна выдерживали процессы обрушивания и полировки, не ломаясь, а потребители ищут рис, который легко варится и имеет приятную текстуру.

Традиционный процесс селекции сельскохозяйственных культур может быть медленным, поскольку продуктивность сельскохозяйственных культур и качество зерна часто оцениваются отдельно. Оплата специалистам по оценке качества также может быть дорогостоящей. Прогнозируя качество зерна заранее с помощью геномного отбора, селекционеры могут сосредоточить свои усилия и ресурсы на сортах, которые будут хорошо продаваться на рынке.

Современные селекционеры растений часто работают над одним геном за раз. Например, определённый ген может объяснять 40% различий в размере зерна между разными сортами риса, поэтому исследователи будут разрабатывать сорта с версией этого гена, которая даёт желаемые результаты. Однако проблема заключается в остальных 60%. Гены, разбросанные по всему геному, наряду с условиями окружающей среды, могут иногда «пересиливать» единственный ген, который кодирует большинство признаков, особенно когда незначительные изменения определяют признание потребителями.

Поэтому исследователи объединили общий взгляд на геном с микроскопическим изучением отдельных генов, используя метод, известный как маркерно-ассистированный мультифакторный геномный отбор.

«Более длинный и менее экономичный путь — это изучение воздействия одного аллеля, — говорит Арбелаез. — Вместо этого мы смотрим на весь геном и несколько различных вариаций».

Основа их техники, мультифакторный геномный отбор (MT-GS), исследует общую картину. Вместо того чтобы рассматривать отдельные гены, которые кодируют отдельные признаки — как это обычно делают генетики, — MT-GS прогнозирует несколько признаков одновременно на основе всего генома или всей совокупности генетического кода организма.

Чтобы сделать свою модель MT-GS более точной, исследователи сосредоточились на отдельных [генетических маркерах](https://phys.org/news/2021-11-latin-american-rice-boost-genomic.html) с известными связями с определёнными признаками, такими как текстура и время приготовления. Это «маркерная» часть их техники. Она уточняет картину для модели, позволяя ей «учиться» на основе известных генетических связей и идентифицировать связанные признаки.

«В геномном отборе мы смотрим на весь геном и эти незначительные эффекты. С помощью маркеров признаков мы смотрели на конкретные гены, — говорит Арбелаез. — Поэтому, когда вы объединяете оба метода, вы можете делать более точные прогнозы, потому что теперь вы учитываете множество различных генетических эффектов».

И эта идея сработала. Добавив генетические маркеры и известные признаки в свою модель, команда значительно увеличила её прогностическую способность, сделав её в 2–10 раз более мощной в зависимости от интересующего признака.

В рамках лаборатории по улучшению мелких зерновых культур в Университете Иллинойса Арбелаез работает со всеми видами сельскохозяйственных культур, специализируясь на овсе и рисе. Он впервые представил свой маркерно-ассистированный метод в предыдущей [статье](https://doi.org/10.1002/tpg2.20457), где он и его коллеги оценили более 500 селекционных линий из программы селекции овса в лаборатории. Используя маркерно-ассистированный MT-GS для овса, команда улучшила прогностическую способность своей модели примерно на 50%. Поскольку метод хорошо себя зарекомендовал на рисе, исследователи надеются, что он будет эффективен и для других мелких зерновых культур, особенно для других основных сельскохозяйственных культур.

Растущее население планеты с растущей экономической мощью означает, что спрос на высококачественное зерно будет продолжать расти, поэтому необходимы эффективные и экономически выгодные программы селекции. «Если мыслить глобально, существует множество различных типов рынков, — говорит Арбелаез. — Например, такие страны, как Перу и Чили, как правило, предпочитают рис, который немного более клейкий, чем в остальных странах Южной Америки. Поэтому, понимая аллели, которые кодируют текстуру, мы можем определить линии, представляющие интерес для различных рынков».

Арбелаез подчеркнул важность международного сотрудничества — он внедрил метод маркерно-ассистированного MT-GS, работая в Международном научно-исследовательском институте риса на Филиппинах, и получил образцы риса для этого исследования из Латиноамериканского фонда орошаемого риса. Финансирование таких программ имеет важное значение для обеспечения растущего населения, добавил Арбелаез.

«Все [сельскохозяйственные исследования](https://phys.org/tags/agricultural+research/) пострадали от сокращения финансирования, — сказал он. — В программах, поддерживающих нашу работу, происходят пересмотры».

Тем не менее Арбелаез надеется на будущее. «Эти подходы работают для разных видов, и они чрезвычайно полезны, особенно для этих ценных признаков. С помощью этого исследования мы доказали, что у нас есть инструменты для решения задач по качеству мелких зерновых культур на раннем этапе селекционного процесса, и это можно распространить на другие виды, такие как овощные культуры. Так что это отличные новости».

Источник

Другие новости по теме

Другие новости на сайте