果實質地的基因組預測和訓練種群優化作為蘋果基因組選擇的應用

水果經歷了一系列複雜的基因決定的事件，以便它們吸引和適合人類食用。在各種生理和物理成熟過程中，尤其對蘋果而言，質地可以說是最重要和值得研究的性狀。儘管由專家進行的感官評估可用於評估質地的變化，但這些測量方法高度依賴於評分者，並且受樣本量的限制。作為替代，可通過紋理分析器以可重複的方式對紋理進行解剖和表徵。前人研究發現了蘋果果實質地的複雜遺傳基礎，確定了大量分布在蘋果基因組中的QTL，其中最相關的區域位於第3、10和16號染色體上。在迄今為止進行的QTL定位研究中，發現了一個主效QTL，位於10號染色體上，靠近多聚半乳糖醛酸酶基因座MdPG1。雖然MdPG1（一種控制硬度的基因）的主要作用已經在優良品種中得到了利用，但脆度的遺傳基礎仍不清楚。

近日，Horticulture Research在線發表了瑞士蘇黎世植物育種研究部題為Genomic prediction of fruit texture and training population optimization towards the application of genomic selection in apple的研究論文。

為了進一步改善果實質地，有必要通過基因組選擇來利用影響較小的基因座。為了建立基因組選擇，基因組預測是在考慮兩組基因型的情況下進行的：一組是基因型和表型個體的訓練集(training set, TS)，用於訓練預測模型；另一組是驗證集(validation set, VS)，由只進行基因型分析的個體表示，其中預測了基因組估計的育種值。該研究通過對537個基因型果實的聲學和力學特性的測試，分析了果實質地的硬度和脆度成分。利用8294個SNP標記校準的模型計算了這些成分的跨年度表型值預測。在259個基因型的訓練集中，聲學線性距離(0.64)具有最佳的預測精度。使用整個訓練集對來自同一品種的父本和母本的預測精度從低到高不等，這取決於所考慮的品種。雖然在訓練集中加入同一品種或來自同父本異母本並沒有明顯改善預測，但對每個驗證集的訓練集大小和組成進行了優化。這使得預測準確度平均提高了0.17，在預測「Gala」×「PinkLady」品種的硬度時，最大準確度為0.81。因此，該結果確定了關鍵的遺傳參數，以便在蘋果的紋理進行基因組選擇時加以考慮。本研究更為建議依賴於一個具有高表型變異性的大訓練群體，從中可以利用遺傳相關性的先驗信息提取「定製的訓練群體」，以便預測特定的目標群體。

該研究利用一個種質作為不同的TS，預測了6個全同胞家系中描述果實質地的12個聲學和機械特性。此外，還可以通過優化TS來提高預測精度。根據該研究結果，討論了通過基因組輔助育種項目進行基因組選擇以改善果實品質的可行性。

Fig. 5 Optimization of the training population for predictions of four texture sub-traits.

文章連結：

https://www.nature.com/articles/s41438-020-00370-5

---

關於園藝研究

Horticulture Research 是由南京農業大學與自然出版集團（現Springer Nature）合作創辦的英文期刊，是Nature旗下唯一的園藝領域專刊。所有關於園藝作物的基礎和理論研究都可以投稿。Horticulture Research 科睿唯安JCR2019影響因子：5.404，位於園藝一區（第1/36名），植物科學一區（第16/234名），遺傳學一區（第24/177名）。2019年中科院期刊分區（基礎版）：位於園藝小類一區，植物科學小類一區，農林科學大類一區（Top期刊）。