Структура современной селекции: Методы селекции – ИнновацииKWS в России

Содержание

Рациональное зерно: российской селекции поставили диагноз | Статьи

На фоне рекордных урожаев пшеницы в стране за последние шесть лет эксперты НИУ ВШЭ совместно с ФАС России провели комплексный анализ cелекционно-семеноводческой отрасли и сделали заключение о «системном застое». Как предлагается его преодолеть — в материале «Известий».

10 шагов

Трансформацию исследователи предлагают провести с помощью предложенного в докладе «Селекция 2.0» плана из 10 шагов. В противном случае под угрозой оказываются как продовольственная безопасность страны, так и глобальная конкурентоспособность нашего АПК. Доктрина продовольственной безопасности устанавливает целевой показатель самообеспечения семенами в 75%. Сегодня же доля семян зарубежной селекции только растет. Так, по кукурузе за последние 10 лет доля полей, засеянных импортными семенами, выросла с 37% до 58%, а по подсолнечнику — с 53% до 73%. При этом средний возраст сортов российской селекции на отечественном рынке составляет 10–20 лет, а зарубежной — в среднем 5–10.

Как следует из доклада, показатель патентной активности и цитируемости научных организаций в области современных биотехнологий растений составляет менее 1% от аналогичного в США и Китае. В отрасли не хватает специалистов, которые могли бы работать с использованием современных методов селекции, невысок и уровень международного проникновения и кооперации российской агронауки. Еще один недореализованный для прорыва ресурс, как отмечается в докладе, — это использование в селекционной работе российскими компаниями государственных генетических коллекций.

Фото: Иван Кадров

Алексей Иванов, директор Института права и развития ВШЭ-«Сколково», директор Антимонопольного центра БРИКС, научный руководитель Центра технологического трансфера НИУ ВШЭ

— В отличие от большинства развитых стран у нас сегодня не существует понятного регламентированного доступа частных селекционеров к этим коллекциям, — замечает Алексей Иванов, директор Института права и развития ВШЭ-«Сколково», директор Антимонопольного центра БРИКС, научный руководитель Центра технологического трансфера НИУ ВШЭ. — А частники — это тот драйвер, который может сдвинуть конкурентную динамику в отрасли и привнести в отрасль новое качество, потому что бизнес лучше реагирует на запросы рынка.

Селекция и конкуренция

Иванов рассказывает, что еще в 2015–2017 годах при поддержке ВШЭ рабочая группа антимонопольных ведомств стран БРИКС провела комплексный анализ работы глобальных продовольственных рынков и представила на конференции БРИКС в Бразилии доклад, который лег в основу изменения подходов по защите конкуренции в этой сфере.

— В этом докладе были выявлены несколько тонких мест. В частности, мы показали резкую монополизацию на мировом рынке средств производства для сельского хозяйства — семян, агрохимии, удобрений. Усиление небольшого числа игроков на глобальном уровне продиктовано, в частности, сменой технологической модели организации отрасли. Это уже сейчас существенно влияет на развитие российского АПК и повышает его уязвимость в глобальных цепочках, а в перспективе речь идет о еще больших вызовах конкурентоспособности российской аграрной отрасли.

Проект техтрансфера

Одним из результатов указанной смены антимонопольных подходов стало решение ФАС России по резонансному делу слияния между Bayer и Monsanto. Это был первый случай в российской антимонопольной практике, когда регулятор выставил жесткие условия согласования сделки глобальных компаний, защищая конкурентоспособность российской экономики, и добился успеха. Этому немало способствовала упомянутая кооперация с антимонопольными коллегами из стран БРИКС.

По итогам сложных переговоров с Bayer удалось договориться о передаче российским селекционерам ряда технологий и компетенций, а также о финансировании создания первого в России современного учебно-научного центра биотехнологий растений и проведения специализированных тренингов для российских селекционеров. Эта работа направлена на повышение конкурентоспособности российского АПК и была синхронизирована с Национальным планом развития конкуренции, утвержденным президентом России.

Предписанием ФАС России объединенной компании Bayer и Monsanto было запрещено входить на российский рынок с их ключевым продуктом — цифровой платформой точного земледелия, ставшей уже доминирующей на многих рынках. Этот запрет дал передышку российским компаниям по разработке своих цифровых решений, но главное для российских селекционеров и семеноводов — время для повышения своей конкурентоспособности, поскольку цифровые платформы — это ключевой способ дистрибуции семян и агрохимии уже в ближайшем будущем.

Одним из важнейших элементов технологического трансфера от компании Bayer стало создание первого в России учебно-научного центра биотехнологии растений, в котором российских селекционеров будут учить современным методам селекции.

Фото: Иван Кадров

Роман Куликов, заместитель руководителя Агролаборатории Сколтеха

Роман Куликов, заместитель руководителя Агролаборатории Сколтеха, на базе которой запущен образовательный центр, отмечает, что навыки, которые передаются селекционерам, необходимы для современной ускоренной селекции по мировым стандартам, когда процесс селекции сокращается в два-три раза.

— Ситуация с кадрами в отрасли селекции и семеноводства сегодня требует улучшения, —констатирует он. — Общее число растительных биотехнологов, владеющих теоретическими знаниями в России, оценивается примерно в 30 человек, среди них только десяток обладают практическими навыками. Классических селекционеров в России сегодня около 750. И это при том, что в последние годы были запущены важнейшие национальные инициативы по развитию агротехнологий в России. Все эти новые программы требуют наличия более 1 тыс. селекционеров и примерно 250–300 биотехнологов растений.

Дополнительный ресурс

Для сопровождения процесса передачи технологий российским аграриям на базе НИУ ВШЭ был запущен Центр технологического трансфера (ЦТТ). В прошлом году он отобрал семь частных селекционных компаний, которые бесплатно получат генетический материал от Bayer по таким стратегическим культурам, как кукуруза, соя, рапс и пшеница. На базе этих чистых линий российские компании смогут вывести новые сорта и гибриды, которые уже будут российскими конкурентными сортами, в том числе с перспективами коммерциализации на мировом рынке.

Наши получатели сами решают, как использовать полученную гермоплазму, но речь идет именно об усилении российской селекции — это дополнительный ресурс для развития АПК нашей страны, который стал возможным благодаря слаженной работе ФАС России и наших партнеров по БРИКС, — говорит Алексей Иванов.

Получателем гермоплазмы одной из культур — пшеницы — стала агрофирма «Павловская Нива» из Воронежа.

— По яровой пшенице у нас каждый год вводятся иностранные сорта в значительно большем количестве, чем отечественные, и по озимой то же самое, — говорит генеральный директор компании Иван Савченко. — Сегодня как раз самое время заняться пшеницей вплотную.

Самый важный фактор потенциального изменения структуры рынка пшеницы состоит в том, что глобальные компании пока мало вкладывались в современную биотехнологическую селекцию пшеницы из-за сложной генетики этой культуры. Геном пшеницы был расшифрован лишь в 2018 году силами Международного консорциума по секвенированию генома пшеницы, который работал над этим 13 лет. Стремительное технологическое обновление селекционных программ по пшенице по примеру других культур — лишь вопрос времени и инвестиций.

Научно-координационный Совет Программы «Северо-Кавказского центра по селекции»

На базе ФГБНУ СКФНЦСВВ создан научно-координационный совет Программы «Северо-Кавказского центра по селекции плодовых, ягодных, орехоплодных, цветочно-декоративных культур и винограда» на период до 2030 года.
Совет является координирующим органом, созданным в целях обеспечения согласованных действий при реализации Программы всеми участниками. Совет в своей деятельности руководствуется Положением «О селекционном центре в области растениеводства», утвержденным Президиумом Россельхозакадемии (от 15.02.2010 г.), Постановлением Общего собрания Отделения растениеводства «О перечне селекционных центров Россельхозакадемии по растениеводству» (от 11.02.2013 г.), Федеральными законами «О семеноводстве» (от 17 декабря 1997 г. N 149-ФЗ с изменениями и дополнениями), «О науке и государственной научно-технической политике» (от 23 августа 1996 г. N 127-ФЗ с изменениями и дополнениями), Программой.

Основными целями и задачами Совета являются содействие в организации и мобилизации ресурсного потенциала учреждений – участников Программы на ускоренное создание сортов, селектируемых культур с заданными хозяйственно-ценными признаками, на основе корпоративного использования современных методов (способов), приборно-инструментального оснащения и развития кооперационных отношений.

План мероприятий научно-координационного Совета Программы

ПОЛОЖЕНИЕ о научно-координационном совете Программы «Северо-Кавказского центра по селекции плодовых, ягодных, орехоплодных, цветочно-декоративных культур и винограда» на период до 2030 года»

Президиум Совета

7-9 октября 2019 г. состоится заседание координационного совета Программы «Северо-Кавказского центра по селекции плодовых, ягодных, орехоплодных, цветочно-декоративных культур и винограда» на период до 2030 года» и международная конференция: «Фундаментальные основы современной селекции и совершенствование регионального сортимента садовых культур и винограда»

Основные направления работы совета и конференции: 
— фундаментальные основы современной селекции для ускоренного создания сортов садовых культур и винограда нового поколения;
— методы и цифровые технологии в сортоизучении и селекции плодовых, ягодных, орехоплодных, цветочно-декоративных культур и винограда;
— методические основы в развитии биотехнологических методов в питомниководстве для производства посадочного материала садовых культур и винограда высших категорий качества; 
— исполнение Программы «Северо-Кавказского центра по селекции плодовых, ягодных, орехоплодных, цветочно-декоративных культур и винограда» на период до 2030 года».

В Сколтехе состоялась Летняя школа по современным технологиям в селекции растений

Сколтех и РГАУ-МСХА им. Тимирязева провели Летнюю школу по современным технологиям в селекции растений для студентов второго и третьего курсов бакалавриата агрономических и биологических специальностей. Мероприятие прошло с 28 июня по 9 июля 2021 года в рамках работы проекта Учебно-научного центра биотехнологии растений.

В школе принимали участие студенты из Москвы, Санкт-Петербурга, Краснодара, Мичуринска, Ярославля, Новосибирска, Кемерово, Екатеринбурга, Тюмени и Воронежа. Для участия в школе студенты должны были написать и прислать организаторам мотивационные письма: студентам предлагалось рассказать о своих интересах и идеях по технологиям селекции растений и как Школа может помочь им развить эти идеи. Также кандидаты могли продемонстрировать свой уровень владения английским языком, за что начислялись дополнительные баллы. В итоге отбор прошли 30 человек. Занятия в Школе проводили научные сотрудники и специалисты Цифровой агролаборатории Сколтеха, РГАУ-МСХА и Университета Ла Верна (США).

В рамках лекций и лабораторных практикумов Школы студенты не только познакомились с текущими тенденциями и трендами в области селекции растений в России и мире, но также попрактиковались в выделении геномной ДНК свеклы и применении различных молекулярных маркеров. Среди других тем были: статистика и способы обработки данных в селекции, генетика количественных признаков, молекулярное генотипирование, основы и типы культур клеток и тканей растений, искусственный инфекционный фон, редактирование геномов растений, изучение взаимодействия растений с патогенами различной природы.     

Учебный научный центр биотехнологии растений был создан Сколтехом и компанией Bayer AG при сотрудничестве с РГАУ-МСХА, Белгородским государственным аграрным университетом (БелГАУ им. В.Я. Горина) и Федеральным исследовательским центром Институт цитологии и генетики Сибирского отделения Российской академии наук (ФИЦ ИЦиГ СО РАН). Центр официально начал свою работу в феврале 2021 года, а его главной целью является создание междисциплинарной системы для формирования понимания и повышения квалификации в сфере современных технологий селекции растений.

Помимо курсов для студентов, Центр проводит практические семинары и практикумы по молекулярным и клеточным технологиям для селекционеров, генетиков и биотехнологов российских НИИ и исследовательских организаций. Также Центр, при содействии Сколтеха и РАНХиГС, проводит занятия по технологиям селекции для административного персонала и специалистов в сфере государственного управления. Курсы проходят раз в три месяца.

Контакты:
Skoltech Communications
+7 (495) 280 14 81

*protected email*

Генетика развития и агрогенетика растений: О программе

Московский государственный университет имени М.В.Ломоносова
Ежова Татьяна Анатольевна – д.б.н., профессор кафедры генетики

Соловьёв Александр Александрович – д.б.н., профессор кафедры генетики
Еланский Сергей Николаевич – д.б.н., в.н.с. кафедры микологии и альгологии, с.н.с. Учебно-опытного почвенно-экологического центра, с.н. с. Евразийского центра по продовольственной безопасности (Аграрный центр)
Синюшин Андрей Андреевич – к.б.н., доцент кафедры генетики

Санкт-Петербургский государственный университет
Тихонович Игорь Анатольевич д.б.н., академии РАН, декан биологического факультета
Лутова Людмила Алексеевна д.б.н., профессор кафедры генетики и биотехнологии
Матвеева Татьяна Валерьевна – д.б.н., профессор кафедры генетики и биотехнологии
Творогова Варвара Евгеньевна – к.б.н., с.н.с. кафедры генетики и биотехнологии

Матвеенко Андрей Георгиевич – к.б.н., н.с. кафедры генетики и биотехнологии
Рогоза Татьяна Михайловна – старший преподаватель кафедры генетики и биотехнологии
Ганчева Мария Семеновна – инженер-исследователь кафедры генетики и биотехнологии

Новосибирский государственный аграрный университет
Дубовский Иван Михайлович – д. б.н, профессор кафедры защиты растений, заведующий лабораторией

Всероссийский научно-исследовательский институт сельскохозяйственной микробиологии
Тихонович Игорь Анатольевич д.б.н., академии РАН, директор Федерального государственного бюджетного научного учреждения

Всероссийский институт генетических ресурсов растений им. Н.И. Вавилова
Хлесткина Елена Константиновна – д.б.н., профессор, директор института

Шипилина Лилия Юрьевна – к.б.н., старший научный сотрудник отдела агроботаники и in situ сохранения генетических ресурсов растений

Санкт-Петербургский государственный лесотехнический университет, Санкт-Петербург
Потокина Елена Кирилловна Константиновна – д.б.н., профессор, Научный руководитель Центра биоинформатики и геномных исследований

Всероссийский научно-исследовательский институт сельскохозяйственной биотехнологии» (ФГБНУ ВНИИСБ), Москва
Соловьёв Александр Александрович – д. б.н., профессор, заместитель директора по научной и образовательной деятельности
Таранов Василий Васильевич – к.б.н., заведующий лабораторией стрессоустойчивости растений

Лаборатория селекции зернобобовых культур — ФГБНУ «Воронежский ФАНЦ им. В.В. Докучаева»

Научный сотрудник

Филатова Ирина Александровна

Селекционная работа по гороху в Каменной Степи начата в двадцатые годы прошлого столетия. С самых истоков она была направлена на создание сортов гороха зернового назначения.

До 1934 года, селекционерами В.И. Леонтьевым, А.И. Мальцевым, П.Ф. Львовой, С.И. Чернобривенко и Ю.М. Полищуком были проведены исследования стародавних сортов и образцов, полученных на Московской селекционной станции. С 1934 года селекция гороха основывалась на создании исходного материала методом внутривидовой гибридизации с последующим индивидуальным отбором и испытанием лучших потомств. За 40 лет работы ими выведено 40 сортов гороха.

Для улучшения работы в 1972 году было организовано специализированное подразделение по селекции гороха под руководством Фомина В. С. К созданию новых сортов привлечен обширный коллекционный материал ВИР и других селекционных учреждений страны. Использованы современные методы создания исходного материала и его оценки – гибридизация, мутагенез, конкурентоспособность, комбинационная способность и другие, тем самым значительно ускорив селекционный процесс. Следующей ступенью для получения высокотехнологичных сортов, способных обеспечивать высокие урожаи при сохранении и улучшении качества продукта, стало создание неполегаемых форм. Основой для этого послужило введение в геном растений генов короткостебельности и безлисточковости. С учетом предъявленных требований созданы сорта: с облиственным морфотипом – Дударь, с усатым морфотипом – Таловец  70 и Фокор. В 2015 году передан на Госсортоиспытание новый сорт Таловец 90.

Основные направления исследований:

  • -изучение мировых генетических ресурсов гороха и формирование признаков и коллекции;
  • -создание нового исходного материала, используя многоступенчатые скрещивания с целью расширения его генетического потенциала, вовлекая в гибридизацию новые мутантные формы гороха;
  • -выведение сортов гороха зернового направления сочетающих высокую урожайность и качество зерна с устойчивостью к неблагоприятным факторам внешней среды, болезням и вредителям, отличающихся высокой экологической пластичностью и адаптивностью.
  • -ведение первичного семеноводства районированных сортов и перспективных линий.

В настоящее время в Госреестр включены сорта Дударь, Таловец 70, Фокор.

 

 

 

границ | Треугольник современной селекции растений: оптимизация использования данных геномики, феномики и экологии

Введение

Постоянное увеличение генетической выгоды демонстрирует успех установленных государственных и частных программ селекции растений. Тем не менее, за последние два десятилетия было разработано все больше современных технологий, которые теперь ожидают эффективной интеграции в традиционные конвейеры разведения. Эта интеграция предлагает привлекательные преимущества, но сопряжена с проблемами внесения изменений в устоявшиеся и действующие системы, недавним примером которых является селекция риса (Collard et al., 2019). Новые доступные технологии, быстрый цикл геномики (Crossa et al., 2017), высокопроизводительное фенотипирование (HTP, феномика) (Montesinos-López et al.

, 2017) и исторические описания связи с окружающей средой (enviromics) (Costa-Neto et al. , 2020a,b; Resende et al., 2020; Rogers et al., 2021) имеют решающее значение для улучшения традиционных схем селекции и увеличения генетического прироста. Интеграция этих новых технологий в рутинные процессы селекции будет способствовать получению сортов с высокой урожайностью перед лицом ожидаемых неблагоприятных будущих условий окружающей среды, вызванных изменением климата и, как следствие, усилением биотических и абиотических стрессов.Здесь мы кратко опишем использование этих технологий и их внедрение, чтобы обеспечить экономически эффективные и экономящие время подходы к селекции растений. Мы также даем обзор взаимосвязей между этими методами. Наконец, мы предвидим будущие перспективы для реализации более взаимосвязанного подхода к селекции, который использует преимущества так называемого современного треугольника селекции растений: интеграция геномики, феномики и энвиромики.

Почему геномика для улучшения селекции?

Одним из самых популярных применений геномики в селекции является прогнозирование племенной ценности. Геномная селекция (ГС) сокращает время цикла, повышает точность расчетной племенной ценности и повышает точность селекции. Например, на кукурузе эффективность ГС была доказана как в случае двухродительских популяций (Massman et al., 2013; Beyene et al., 2015; Vivek et al., 2017), так и в многородительских популяциях. родительские популяции (Zhang et al., 2017). Его использование также было зарегистрировано у видов с длительным периодом генерации, таких как деревья (Grattapaglia et al., 2018) и в молочном скотоводстве, где сокращение цикла размножения повысило реакцию на отбор по сравнению с системой тестирования потомства (García -Руис и др., 2016).

Геномная селекция применялась во многих культурах, включая пшеницу, нут, маниоку и рис (Roorkiwal et al., 2016; Crossa et al., 2017; Wolfe et al., 2017; Huang et al., 2019). количество программ, которые переходят от «обычных» к GS, растет. Результаты по пшенице показывают, что геномные прогнозы, использованные на ранних этапах селекционного цикла, привели к существенному повышению производительности в более поздних поколениях (Bonnett et al. , 2021, этот выпуск).

Определение базовых родителей для селекции с помощью геномной селекции

В геномной селекции оптимизация состава обучающей выборки является важной темой, поскольку обучающая и тестовая выборки должны быть генетически связаны таким образом, чтобы генетическое разнообразие, присутствующее в тестовой выборке, могло быть охвачено разнообразием обучающей выборки. .Программы разведения должны начать формировать первоначальных базовых родителей (обучающие популяции), которые представляют генетическое разнообразие, обнаруженное в текущем потомстве, и в максимально возможной степени соответствуют тестируемой популяции (Hickey et al., 2012). Эти основополагающие родители должны быть широко фенотипированы в различных целевых популяциях окружающей среды и генотипированы с помощью маркерных систем высокой плотности. Эти обучающие наборы основных родителей смогут создать модель с высокой точностью для текущих тщательно отобранных потомков (Zhang et al., 2017).

Зачем нужна подробная феномика и использование анализа нескольких признаков для улучшения селекции?

Самым важным ограничением для определения точных фенотипов были время и стоимость, необходимые для измерения признаков в полевых условиях. Полевая феноменика направлена ​​на изучение всех фенотипов растений в различных условиях окружающей среды. Современные фенометрические методы позволяют использовать гиперспектральные/мультиспектральные камеры для получения сотен точек данных отражательной способности в дискретных узких полосах во многих средах и на многих стадиях развития сельскохозяйственных культур.Технологию фенотипирования теперь можно использовать для быстрого и точного получения данных об агрономических признаках на основе достижений в области технологий фенотипирования растений (Atkinson et al., 2018). Таким образом, основной целью высокопроизводительного фенотипа (ВФП) является снижение стоимости данных на участок и повышение точности прогнозирования в начале вегетационного периода за счет использования высоконаследуемых вторичных фенотипов, тесно связанных с селекцией. фенотипы. Стоимость обработки данных HTP можно минимизировать, используя программное обеспечение с открытым исходным кодом, такое как FieldImageR (Matias et al., 2020).

Имеются данные о том, что анализ множественных признаков повышает точность прогнозов, когда в процессе моделирования учитываются генетические и остаточные корреляции. Новые геномные модели, которые принимают во внимание множественные признаки и множественные среды, а также взаимодействия признак × среда, признак × генотип и признак × генотип × среда, предлагают огромный потенциал для использования корреляций между различными переменными и для дифференциации между эффекты.Интеграция текущих многопризнаковых моделей GBLUP с моделями, которые учитывают информацию об окружающей среде с условиями двустороннего и трехстороннего взаимодействия, обеспечивает мощную унифицированную модель прогнозирования всего генома.

Байесовская модель множественных признаков и множественных сред (BMTME) (Montesinos-López et al. , 2016, 2019a) позволяет использовать общие ковариационные матрицы для признаков и сред, которые лучше отражают корреляции между признаками и средами. Эта унифицированная модель может быть реализована для выбора генотипов с признаками, измеренными в одной среде, и для прогнозирования в других, непроверенных средах.Его также можно применять для прогнозирования характеристик, которые дорого или трудно измерить во всех средах.

Крайне важно получить большие и интероперабельные наборы данных по феномике с помощью полевого фенотипирования. Это следует использовать для характеристики основных основных родителей в различных средах и включения их в визуальные данные, собранные в различных средах. Эти данные вместе с информацией о родословной и геноме можно использовать для подбора байесовских линейных смешанных моделей для вычисления BLUP генетических значений материала в обучающей выборке.Программы разведения должны собирать данные о множественных признаках в многообразной среде, используемой для основных основных родителей, и использовать возможные корреляции между признаками, которые в конечном итоге повысят точность прогнозов. Геномика и феномика основных родителей с множеством признаков необходимы для использования наряду с данными по окружающей среде.

Зачем Enviromics улучшать испытания в нескольких средах для селекции растений с помощью геномики?

Фенотипическая изменчивость, наблюдаемая в различных средах, является продуктом генетической изменчивости и изменчивости окружающей среды.Таким образом, энвиромика выступает в качестве центрального узкого места для применения современных инструментов прогнозирования с помощью геномики, особенно для использования в нескольких средах. Новые подходы объединяют данные полевых испытаний с последовательностями ДНК с использованием различных источников энвиромики, таких как линейные и нелинейные модели нормы реакции (например, Jarquín et al., 2014; Morais-Junior et al., 2018; Millet et al., 2019). ; Monteverde et al., 2019; Costa-Neto et al., 2020a), результаты модели роста сельскохозяйственных культур (CGM) (Heslot et al., 2014; Rincent et al., 2017, 2019), CGM, интегрированный с GS (Cooper et al. , 2016; Messina et al., 2018; Robert et al., 2020) и исторические данные о погоде для прогнозирования сортов на ближайшие годы (de los Campos et al. , 2020).

Например, стратегия, предложенная de los Campos et al. (2020) оценивает закономерности геномный × окружающая среда (G × E), извлеченные из полевых испытаний, и прогнозирует ожидаемую производительность сорта в окружающей среде, а также оценивает ожидаемое распределение производительности сорта по другим возможным погодным условиям с учетом неопределенности в модели. параметры.Это новый метод анализа испытаний в нескольких средах, который может ускорить оценку адаптивности и стабильности урожайности зерна.

Другим недавним примером является подход, который может повысить разрешение прогнозирования стабильности в нескольких средах за счет использования преимуществ крупномасштабной энвиромики с различными методами ядра (Costa-Neto et al., 2020a). Связанность полевых испытаний с окружающей средой можно определить с помощью линейных ковариаций (как предложено Jarquín et al. , 2014) и нелинейных методов (ядро Гаусса, глубокое обучение и глубокое ядро) (Cuevas et al., 2016, 2017, 2018, 2019; Монтесинос-Лопес и др., 2018a,b, 2019b,c). Использование нелинейных ядер привело к повышению точности предсказания новых генотипов в известных условиях, но в основном при предсказании новых условий окружающей среды (непроверенных сред). Этот подход был расширен для учета нескольких структур окружающей среды на разных стадиях развития сельскохозяйственных культур (Costa-Neto et al., 2020b). Для последних авторы наблюдали повышенную способность объяснять G × E с точки зрения генотип-специфических норм реакции на ключевые факторы внешней среды или ключевые этапы развития.Эта повышенная способность объяснять G × E была важна для достижения более высокой точности по сравнению с моделями без информации об окружающей среде.

В недавней исследовательской статье Rogers et al. (2021) подчеркнули важность включения данных об окружающей среде с высокой пропускной способностью в модели геномного прогнозирования для выполнения прогнозов в новых средах, характеризующихся такими же характеристиками окружающей среды. Автор пришел к выводу, что, помимо других факторов, взаимодействия G × E и ковариаты окружающей среды должны быть включены в модели прогнозирования для повышения точности прогнозов.

Взаимосвязь в современной селекции растений

Прогресс в модернизации статистических и количественных генетических моделей для анализа селекции растений в испытаниях с несколькими средами стал более очевидным по мере увеличения доступности информации о геномике, феномике и окружающей среде (см., среди прочего, Vargas et al., 1998; Crossa et al., 2010; Burgueño et al., 2012; Heslot et al., 2014; Jarquín et al., 2014; Montesinos-López et al., 2017; Millet et al., 2019; Costa-Neto et al. др., 2020а; де лос Кампос и др., 2020 г.; Роберт и др., 2020). Таким образом, мы видим, что все описанные выше элементы обладают явным потенциалом для ускорения генетических достижений в селекции растений. Однако для достижения больших возможностей, особенно с точки зрения повышения точности прогнозирования, требуется эффективная интеграция на основе данных. Некоторые из основных связей между геномикой, феномикой и энвиромикой описаны ниже, а их потенциальное влияние обобщено на рисунке 1.

Рисунок 1 .Современный треугольник селекции растений включает в себя геномику, феномику и энвиромику. Связи между каждым из этих элементов могут способствовать ускорению генетических изменений.

Связь геномики и феномики

Связывание массивных наборов данных из геномики и феномики сопряжено со сложностями, которые требуют, чтобы статистические модели имели дело с очень большим количеством коррелирующих предикторов. Монтесинос-Лопес и др. (2017) предложили связать геномику и феномику с байесовскими моделями функциональной регрессии, которые учитывают все доступные полосы отражения (250 полос или длина волны), информацию о геноме или родословной, основные эффекты линий и окружения, а также эффекты взаимодействия.Они заметили, что модели с условиями взаимодействия длины волны и окружающей среды были наиболее точными для прогнозирования производительности в трех разных средах и в разные моменты времени развития культуры. Модели функциональной регрессии экономичны и эффективны в вычислительном отношении, поскольку математические базисные функции позволяют выбрать только 21 бета-коэффициент (вместо использования всех 250). Недавно Лопес-Крус и соавт. (2020) предложили метод прогнозирования генетических достоинств сортов на основе многомерных данных HTP путем интеграции многомерных регрессий в стандартную методологию индекса селекции.

Связывание данных о нескольких признаках и данных о нескольких средах

Многопризнаковые данные в нескольких средах (MTME) используют крупномасштабные корреляции между различными признаками, оцениваемыми в различных средах, для обучения точных моделей GS. Из-за этого использование GS в данных MTME является многообещающим подходом к сокращению усилий по фенотипированию в полевых условиях. Например, Ибба и др. (2020) оценили эффективность прогнозирования 13 признаков качества пшеницы с использованием двух моделей с несколькими признаками и пяти наборов данных, основанных на полевых оценках в течение двух лет подряд. На второй год (тестирование) линии прогнозировались с использованием информации о качестве, полученной в первый год (обучение). Для большинства признаков качества они обнаружили точность прогнозирования от умеренной до высокой, что позволяет предположить, что использование GS на более ранних этапах может быть рекомендовано. В целом результаты показывают, что байесовская модель MTME помогает фиксировать корреляцию между признаками и корреляцию между годами, тем самым повышая точность прогноза. Наконец, мы предвидим перспективы моделирования норм реакции на основе MTME с участием других омиков, таких как феномика и энвиромика.Последнее может улучшить анализ MTME с точки зрения создания более биологических моделей роста, развития и компонентов урожайности сельскохозяйственных культур (например, Robert et al., 2020).

Interplay Genomics и Enviromics

С 1960-х годов несколько исследователей предложили использовать информацию об окружающей среде для объяснения различий между сортами, обусловленными взаимодействием G × E (например, Perkins and Jinks, 1968; Freeman and Perkins, 1971; Wood, 1976; Vargas et al. , 1998; Кросса и др., 1999). Использование геномики с энвиромикой является основой для предсказания сортов в различных условиях выращивания (например,г., Харкин и др., 2014; Мессина и др., 2018 г.; Millet et al., 2019), что полезно для предсказания глобального потепления.

Однако усилия по внедрению экологических переменных в модели геномной селекции обычно сосредоточены на нескольких экологических переменных, таких как температура, осадки и солнечная радиация, определяемые на определенных стадиях развития сельскохозяйственных культур. Используя данные крупномасштабного экологического типирования, можно разработать глобальную сеть полевых испытаний для обучения моделей GS и выполнить «экологическую сборку» для прогнозирования большего количества условий выращивания на основе исторических данных о климате и почве (R пакет EnvRtype, Коста-Нето и др., 2020b). Кроме того, ведутся исследования по модели Enviromic + Genomic Prediction (E-GP), чтобы связать вариации генотип-фенотип, а также объяснить фенотипические вариации в разных средах. В качестве средства прогнозирования селекции E-GP может способствовать изучению структур G × E, в которых, как исследовательский инструмент, E-GP может способствовать оптимизации экспериментальных сетей полевых испытаний и привести к более эффективным обучающим наборам для GS (например, Rincent et al., 2017). Кроме того, на ранних стадиях селекции можно использовать геномику и энвиромику для разработки оптимизированных испытаний фенотипа и прогнозирования племенной ценности кандидата селекции (Morais-Junior et al., 2018) или однократный кросс-гибридный прогноз (Costa-Neto et al., 2020a).

Благодаря сборке в окружающей среде можно установить связь между полевыми испытаниями и, таким образом, использовать только наиболее репрезентативный набор экспериментов для обучения моделей GS. Другой перспективой E-GP является использование крупномасштабных данных об окружающей среде в моделях обучения, включающих нормы реакции, специфичные для генотипа (например, Ly et al., 2018; Millet et al. , 2019), и фенотипические ландшафты, реализуемые геномикой с ростом урожая. модели (CGM) (например,г., Мессина и др., 2018; Бустос-Кортс и др., 2019; Роберт и др., 2020). Возможное использование основанных на изображениях реакций, связанных с основными стрессами окружающей среды, такими как жара и засуха, также может ускорить внедрение платформ с поддержкой генома для целей прогнозирования и способно лучше представить взаимодействие растений и окружающей среды.

Будущие перспективы

Чтобы решить хорошо задокументированные проблемы продовольственной безопасности и питания, необходимо использовать новые технологии для ускорения прогресса в селекции растений.Эти методы могут быть включены в обычные программы фенотипической селекции или помочь перестроить установленные фенотипические линии селекции, чтобы обеспечить постепенный переход к более ориентированной на данные перспективе. Преимущества феномики и энвиромики вместе в эталонных геномных пайплайнах дают возможность значительно повысить точность и эффективность селекционных пайплайнов, когда мы выбираем лучше адаптированные генотипы экономически эффективным способом, а также в более короткие сроки. Анализы геномики, феномики, мультипризнаков и энвиромики взаимосвязаны, и их использование можно оптимизировать в зависимости от ресурсов и структуры программы.Вместе они предлагают путь для традиционной фенотипической селекции, чтобы представить разнообразный набор возможностей для ускорения генетического прогресса.

Вклад авторов

JC подготовил первые проекты заключения, RF-N, OM-L, GC-N, SD и AM-L прочитали и скорректировали первую версию. AB произвела несколько обзоров документов и работала с JC над завершением окончательной версии. Все авторы внесли свой вклад в статью и одобрили представленную версию.

Финансирование

Плата за открытый доступ

поступает от Фонда Билла и Мелинды Гейтс.Мы признательны за финансовую поддержку, оказанную Фондом Билла и Мелинды Гейтс [INV-003439 BMGF/FCDO Ускорение генетических достижений в области кукурузы и пшеницы для улучшения средств к существованию (AG2MW)], а также проектов USAID [Изм. № 9 MTO 069033, USAID-CIMMYT Wheat/AGGMW, AGG-Maize Supplementary Project, AGG (Стресс-устойчивая кукуруза для Африки)], на основе которого были получены данные CIMMYT, проанализированные в этом исследовании. Мы также благодарны за финансовую поддержку, оказанную Фондом сбора за исследования в области сельскохозяйственной продукции (Ф.F.J.) и Исследовательского фонда сельскохозяйственного соглашения (J.A.) в Норвегии через грант NFR 267806, а также CIMMYT CRP (кукуруза и пшеница).

Конфликт интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Ссылки

Аткинсон, Дж. А., Джексон, Р. Дж., Бентли, А. Р., Обер, Э., и Уэллс, Д. М. (2018). Полевой фенотип для будущего. год. Завод Rev. Онлайн. doi: 10.1002/9781119312994.apr0651

Полнотекстовая перекрестная ссылка | Академия Google

Beyene, Y., Semagn, K., Mugo, S., Tarekegne, A., Babu, R., Meisel, B., et al. (2015). Генетический выигрыш в урожайности зерна за счет геномной селекции в восьми популяциях кукурузы с двумя родителями в условиях засушливого стресса. Растениеводство. 55, 154–163. doi: 10.2135/cropsci2014.07.0460

Полнотекстовая перекрестная ссылка | Академия Google

Бургеньо, Х., де лос Кампос, Г., Вайгель, К., и Кросса, Дж. (2012). Геномное предсказание селекционной ценности при моделировании взаимодействия генотипа X с окружающей средой с использованием родословных и плотных молекулярных маркеров. Растениеводство. 52, 707–719. doi: 10.2135/cropsci2011.06.0299

Полнотекстовая перекрестная ссылка | Академия Google

Bustos-Korts, D., Malosetti, M., Chenu, K., Chapman, S., Boer, M.P., Zheng, B., et al. (2019). От QTL к адаптационным ландшафтам: использование моделей генотип-фенотип для характеристики G × E во времени. Фронт. Растениевод. 10, 1–23. doi: 10.3389/fpls.2019.01540

Полнотекстовая перекрестная ссылка | Академия Google

Collard, B.C.Y., Gregorio, G.B., Thomson, M.J., Islam, M.R., Vergara, G.V., Laborte, A.G., et al. (2019). Преобразование селекции риса: перепроектирование трубопровода орошаемой селекции в Международном научно-исследовательском институте риса (IRRI). Порода урожая Генет. Геном 1:e1

. дои: 10.20900/cbgg201

Полнотекстовая перекрестная ссылка | Академия Google

Купер, М., Technow, F., Messina, C., Gho, C., and Radu Totir, L. (2016). Использование моделей роста сельскохозяйственных культур с прогнозированием всего генома: применение к испытанию кукурузы в нескольких средах. Растениеводство. 56, 2141–2156. doi: 10.2135/cropsci2015.08.0512

Полнотекстовая перекрестная ссылка | Академия Google

Коста-Нето Г., Фриче-Нето Р. и Кросса Дж. (2020a). Нелинейные ядра, данные о доминировании и энвиротипировании повышают точность предсказания на основе генома в испытаниях с несколькими средами. Наследственность (Эдинб). 126, 92–106. doi: 10.1038/s41437-020-00353-1

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Коста-Нето, Г., Галли, Г., Фанелли, Х., Кросса, Дж., и Фриче-Нето, Р. (2020b). EnvRtype: программное обеспечение для взаимодействия энвиромики и количественной геномики в сельском хозяйстве. bioRxiv [препринт]. дои: 10.1101/2020.10.14.339705

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Кросса Х., Перес-Родригес П., Куэвас Х., Монтесинос-Лопес О.А., Харкин Д., де Лос Кампос Г. и др. (2017). Геномная селекция в селекции растений: методы, модели, перспективы. Тренды заводов Sci . 22, 961–975. doi: 10.1016/j.tplants.2017.08.011

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Кросса, Дж., Варгас, М., и Джоши, А.К. (2010). Линейные, билинейные и линейно-билинейные фиксированные и смешанные модели для анализа взаимодействия генотипа x с окружающей средой в селекции растений и агрономии. Кан. Дж. Растениевод. 90, 561–574. дои: 10.4141/CJPS10003

Полнотекстовая перекрестная ссылка | Академия Google

Crossa, J., Vargas, M., Van Eeuwijk, F.A., Jiang, C., Edmeades, G.O., and Hoisington, D. (1999). Интерпретация взаимодействия генотипа x с окружающей средой у тропической кукурузы с использованием связанных молекулярных маркеров и копеременных окружающей среды. Теор. заявл. Жене. 99, 611–625. doi: 10.1007/s001220051276

Полнотекстовая перекрестная ссылка | Академия Google

Куэвас, Дж., Кросса, Дж., Монтесинос-Лопес, О.А., Бургеньо, Х., Перес-Родригес, П., и де лос Кампос, Г. (2017). Байесовское предсказание генома с ядерными моделями среды генотипа x. G3: Гены|Геномы|Генетика 7, 41–53. doi: 10.1534/g3.116.035584

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Куэвас, Дж., Кросса, Дж., Соберанис, В., Перес-Элизальде, С., Перес-Родригес, П., де лос Кампос, Г., и другие. (2016). Геномное предсказание ядерных регрессионных моделей взаимодействия генотипа x с окружающей средой. Геном растений 9, 1–20. doi: 10.3835/plantgenome2016.03.0024

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Куэвас, Дж., Гранато, И., Фриче-Нето, Р., Монтесинос-Лопес, О.А., Бургеньо, Дж., Бандейра и Соуза, М., и др. (2018). Ядерные модели предсказания с поддержкой генома со случайными перехватами для испытаний в нескольких средах. G3: Гены|Геномы|Генетика 8, 1347–1365. дои: 10.1534/g3.117.300454

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Куэвас, Дж., Монтесинос-Лопес, О.А., Хулиана, П., Гусман, К., Перес-Родригес, П., Гонсалес-Бусио, Дж., и др. (2019). Глубокое ядро ​​​​для предсказания генома и ближнего инфракрасного диапазона в испытаниях по разведению в нескольких средах. G3: Гены|Геномы|Генетика 9, 2913–2924. doi: 10.1534/g3.119.400493

Полнотекстовая перекрестная ссылка | Академия Google

де лос Кампос Г., Перес-Родригес П., Богард М., Гуаш Д. и Кросса Дж. (2020). Платформа моделирования на основе данных для прогнозирования производительности сортов в нестабильных погодных условиях. Нац. коммун. 11:4876. doi: 10.1038/s41467-020-18480-y

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Фриман, Г. Х., и Перкинс, Дж. М. (1971). Средовые и генотипически-средовые компоненты изменчивости: Viii Отношения между генотипами, выращенными в разных средах, и показатели этих сред. Наследственность (Эдинб). 27, 15–23. doi: 10.1038/hdy.1971.67

Полнотекстовая перекрестная ссылка | Академия Google

Гарсия-Руис, А., Коул, Дж. Б., ВанРаден, П. М., Вигганс, Г. Р., Руис-Лопес, Ф. Дж., и Ван Тассел, С. П. (2016). Изменения генетических селекционных дифференциалов и интервалов между поколениями у молочного скота американской голштинской породы в результате геномной селекции. Проц. Натл. акад. науч. США 113, E3395–E4004. doi: 10.1073/pnas.151

13

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Граттапалья, Д., Сильва-Джуниор, О.Б., Резенде, Р.Т., Каппа, Е.П., Мюллер, Б.С.Ф., и Тан, Б.(2018) Количественная генетика и геномика сходятся для ускорения селекции лесных деревьев. Фронт. Завод Наука . 871, 1–10. doi: 10.3389/fpls.2018.01693.

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Heslot, N., Akdemir, D., Sorrels, M.E., and Jannink, J.-L. (2014). Интеграция экологических переменных и моделирования сельскохозяйственных культур в структуру геномной селекции для прогнозирования генотипа по взаимодействию с окружающей средой. Теор. заявл. Жене. 127, 463–480. дои: 10.1007/s00122-013-2231-5

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Хики, Дж. М., Кросса, Дж., Бабу, Р., и де лос Кампос, Г. (2012). Факторы, влияющие на точность определения генотипа в популяциях из нескольких программ селекции кукурузы. Растениеводство. 52, 654–663. doi: 10.2135/cropsci2011.07.0358

Полнотекстовая перекрестная ссылка | Академия Google

Хуанг М., Балимпонья Э. Г., Мгонджа Э. М., Макхейл Л. К., Лузи-Кихупи А., Го-Лян Ван Г.-Л. и др. (2019). Использование геномной селекции в селекции риса ( Oryza sativa L.) на устойчивость к пирикуляриозу риса ( Magnaporthe oryzae ). Мол. Порода . 39:114. doi: 10.1007/s11032-019-1023-2

Полнотекстовая перекрестная ссылка | Академия Google

Ибба, М. И., Кросса, Дж., Монтесинос-Лопес, О.А., Монтесинос-Лопес, А., Хулиана, П., Гусман, К., и др. (2020). Прогнозирование нескольких признаков качества пшеницы на основе генома через несколько лет. Геном растения 1:14.doi: 10.1002/tpg2.20034

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Жаркин, Д., Кросса, Дж., Лаказ, X., Дю Шейрон, П., Докур, Дж., Лоржеу, Дж., и другие. (2014). Модель нормы реакции для геномной селекции с использованием многомерных геномных данных и данных об окружающей среде. Теор. заявл. Жене. 127, 595–607. doi: 10.1007/s00122-013-2243-1

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Лопес-Крус М., Олсон Э., Ровере Г., Crossa, J., Dreisigacker, S., Mondal, S, et al. (2020). Регулярные индексы селекции для прогнозирования племенной ценности с использованием данных гиперспектральных изображений. наук. Реп . 10. doi: 10.1038/s41598-020-65011-2

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Ly, D. , Huet, S., Gauffereau, A., Rincent, R., Touzy, G., Mini, A., et al. (2018). Полногеномный прогноз нормы реакции на экологический стресс у мягкой пшеницы ( Triticum aestivum L.) методом геномной случайной регрессии. Ф. Урожай. Рез. 216, 32–41. doi: 10.1016/j.fcr.2017.08.020

Полнотекстовая перекрестная ссылка | Академия Google

Массман, Дж. М., Юнг, Х.-Дж. Г. и Бернардо Р. (2013). Полногеномный отбор по сравнению с рекуррентным отбором с помощью маркеров для улучшения урожайности зерна и показателей качества соломы для целлюлозного этанола в кукурузе. Растениеводство. 53, 58–66. doi: 10.2135/cropsci2012.02.0112

Полнотекстовая перекрестная ссылка | Академия Google

Матиас Ф.И., Караса-Хартер М.В. и Эндельман, Дж. Б. (2020). FIELDimageR: пакет R для анализа ортомозаичных изображений, полученных в ходе сельскохозяйственных полевых испытаний. Plant Phenome J. 3, 1–6. doi: 10.1002/ppj2.20005

Полнотекстовая перекрестная ссылка | Академия Google

Мессина, К. Д., Техноу, Ф., Тан, Т., Тотир, Р., Го, К., и Купер, М. (2018). Использование биологических знаний и вариаций окружающей среды для улучшения прогнозирования фенотипа: интеграция моделей роста сельскохозяйственных культур (CGM) с прогнозированием всего генома (WGP). евро.Дж. Агрон. 100, 151–162. doi: 10.1016/j.eja.2018.01.007

Полнотекстовая перекрестная ссылка | Академия Google

Милле, Э. Дж., Круиер, В., Купель-Ледру, А., Альварес Прадо, С., Кабрера-Боскет, Л., Лакубе, С., и соавт. (2019). Геномный прогноз урожайности кукурузы в европейских экологических условиях. Нац. Жене. 51, 952–956. doi: 10.1038/s41588-019-0414-y

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Монтесинос-Лопес, А., Монтесинос-Лопес, О.А., Куэвас, Дж., Мата-Лопес, В.А., Бургеньо, Дж., Мондал, С., и соавт. (2017). Геномные байесовские модели функциональной регрессии с взаимодействиями для прогнозирования урожайности зерна пшеницы с использованием данных гиперспектрального изображения. Растительные методы 13:62. doi: 10.1186/s13007-017-0212-4

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Монтесинос-Лопес, А., Монтесинос-Лопес, О.А., Джанола, Д., Кросса, Дж., и Эрнандес-Суарес, К.М. (2018a). Геномное предсказание признаков растений в нескольких средах с использованием средств глубокого обучения с плотной архитектурой. G3: Гены|Геномы|Генетика 8, 3813–3828. doi: 10.1534/g3.118.200740

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Монтесинос-Лопес, М. А., Монтесинос-Лопес, А., Луна-Васкес, Х. Ф., Толедо, Ф. Х., Паулино Перес-Родригес, П., Лиллемо, М., и др. (2019а). Пакет R для байесовского анализа данных в нескольких средах и с несколькими признаками в нескольких средах для прогнозирования на основе генома. Г3. Гены|Геномы|Генетика 9, 1355–1369. дои: 10.1534/g3.119.400126

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Монтесинос-Лопес, О. А., Мартин-Валлехо, Дж., Кросса, Дж., Джанола, Д., Эрнандес-Суарес, К., Монтесинос-Лопес, А., и др. (2019б). Сравнительный анализ между глубоким обучением, машиной опорных векторов и байесовским порогом наилучшего линейного объективного прогноза для прогнозирования порядковых признаков в селекции растений. G3: Гены|Геномы|Генетика 9, 601–618. doi: 10.1534/g3.118.200998

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Монтесинос-Лопес, О.А., Мартин-Валлехо, Дж., Кросса, Дж., Джанола, Д., Эрнандес-Суарес, К.М., Монтесинос-Лопес, А., и др. (2019с). Новая модель прогнозирования на основе генома глубокого обучения для нескольких признаков с бинарными, порядковыми и непрерывными фенотипами. G3: Гены|Геномы| 9, 1545–1556. doi: 10.1534/g3.119.300585

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Монтесинос-Лопес, О.А., Монтесинос-Лопес, А., Кросса, Дж., Толедо, Ф.Х., Перес-Эрнандес, О., Эскридж, К. М., и др.(2016). Геномная байесовская модель с несколькими признаками и несколькими средами. Гены G3|Геномы|Генетика 6, 2725–2744. дои: 10.1534/g3.116.032359

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Монтесинос-Лопес, О. А., Монтесинос-Лопес, А., Джанола, Д., Кросса, Дж., и Эрнандес-Суарес, К. М. (2018b). Моделирование глубокого обучения с несколькими признаками и несколькими средами для геномного предсказания растений. G3: Гены|Геномы|Генетика 8, 3829–3840. дои: 10.1534/г3.118.200728

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Монтеверде Э., Гутьеррес Л., Бланко П., Перес де Вида Ф., Росас Дж. Э., Боннекаррер В. и др. (2019). Интеграция молекулярных маркеров и ковариатов окружающей среды для интерпретации генотипа по взаимодействию с окружающей средой у риса ( Oryza sativa L.), выращиваемого в субтропических районах. Гены G3|Геномы|Генетика 9, 1519–1531. doi: 10. 1534/g3.119.400064

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Морэ-Жуниор, О.П., Дуарте, Дж. Б., Бресегелло, Ф., Коэльо, А. С. Г., и Магальяйнс, А. М. младший (2018). Одношаговые модели нормы реакции для предсказания генома в испытаниях рекуррентной селекции в нескольких средах. Растениеводство. 58, 592–607. doi: 10.2135/cropsci2017.06.0366

Полнотекстовая перекрестная ссылка | Академия Google

Перкинс, Дж. М., и Джинкс, Дж. Л. (1968). Средовая и генотипически-средовая составляющие изменчивости. 3. Несколько линий и крестов. Наследственность (Эдинб). 23, 339–356.doi: 10.1038/hdy.1968.48

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Resende, R.T., Piepho, H.P., Rosa, G.J.M., Silva-Junior, O.B., Silva, F.FE., de Resende, M.D.V., et al. (2020). Энвиромика в селекции: приложения и перспективы энвиротипической селекции. Теор. заявл. Жене. 134, 95–112. doi: 10. 1007/s00122-020-03684-z

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Ринсент Р., Кун Э., Monad, H., Oury, F.X., Rousset, M., Allard, V., et al. (2017). Оптимизация мультисредовых испытаний для геномной селекции на основе моделей сельскохозяйственных культур. Теор. заявл. Жене. 130, 1735–1752 гг. doi: 10.1007/s00122-017-2922-4

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Rincent, R., Malosetti, M., Ababaei, B., Touzy, G., Mini, A., Bogard, M., et al. (2019). Использование ковариатов стресса модели роста сельскохозяйственных культур и разложения AMMI для лучшего прогнозирования взаимодействий генотипа и окружающей среды. Теор. заявл. Жене. 132, 3399–3411. doi: 10.1007/s00122-019-03432-y

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Роберт, П., Ле Гуи, Дж., и Ринсент, Р. (2020). Сочетание моделирования роста сельскохозяйственных культур с прогнозированием на основе признаков улучшило прогнозирование генотипа по взаимодействию с окружающей средой. Фронт. Растениевод. 11, 1–11. doi: 10.3389/fpls.2020.00827

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Роджерс, А.R., Dunne, J.C., Romay, M.C., Bohn, M., Buckler, E.S., Ciampitti, I.A., et al. (2021). Важность взаимодействий доминирования и генотипа с окружающей средой для изменения урожайности зерна в крупномасштабном общественном кооперативе по кукурузе. G3:Гены|Геномы|Генетика 1:jkaa050.doi: 10.1093/g3journal/jkaa050

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Руркивал, М., Ратор, А., Дас, Р.Р., Сингх, М.К., Джайн, А., Сринивасан, С., и соавт. (2016). Геномные модели прогнозирования признаков, связанных с урожайностью, у нута. Фронт. Завод Наука . 7:1666. doi: 10.3389/fpls.2016.01666

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Варгас, М., Кросса, Дж., Сейр, К., Рейнольдс, М., Рамирес, М.Е., и Талбот, М. (1998). Интерпретация взаимодействия генотипа X с окружающей средой с использованием частичной регрессии методом наименьших квадратов. Растениеводство. 38, 679–689. doi: 10.2135/cropsci1998.0011183X003800030010x

Полнотекстовая перекрестная ссылка | Академия Google

Вивек Б.С., Кришна Г.K., Vengadessan, V., Babu, R., Zaidi, P.H., Kha, L.Q., et al. (2017). Использование оцененной геномной селекционной ценности приводит к быстрому генетическому улучшению засухоустойчивости кукурузы ( Zea mays L.). Геном растений 10, 1–8, doi: 10.3835/plantgenome2016.07.0070

Полнотекстовая перекрестная ссылка | Академия Google

Wolfe, M.D., Del Carpio, D.P., Alabi, O., Ezenwaka, L.C., Ikeogu, U.N., Kayondo, I.S., et al. (2017). Перспективы геномной селекции в селекции маниоки. Геном растения 10:15. doi: 10.3835/plantgenome2017.03.0015

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Чжан X., Перес-Родригес П., Бургеньо Дж., Олсен М. Баклер Э., Атлин Г. и Прасанна Б. М. (2017) Быстрая циклическая геномная селекция в популяции тропической кукурузы с несколькими родителями. G3: Ген/Геном/Генет 7, 2315–2326. дои: 10.1534/g3.117.043141.

Полнотекстовая перекрестная ссылка | Академия Google

Демистификация современной селекции растений | Инициатива прозрачности

В сельском хозяйстве некоторые продукты биотехнологии называются генетически модифицированными организмами (ГМО) или трансгениками . Большинство свойств ГМО, представленных сегодня на рынке, предназначены для защиты сельскохозяйственных культур от поедания насекомыми или зарастания сорняками, помогая фермерам производить больше на каждом акре земли с меньшими затратами, обеспечивая при этом стабильные и устойчивые продукты питания, корма, топливо. и поставка волокна.

С момента открытия ДНК (генетического кода жизни) ученые стремились понять, как работают гены в различных живых организмах, включая растения. Растения содержат десятки тысяч генов, определяющих каждый аспект их формы и функции.Благодаря быстрому совершенствованию технологии секвенирования ДНК весь геном вида и все его гены теперь можно идентифицировать всего за несколько недель. Это дает селекционерам подробную карту, которой они могут руководствоваться в своих усилиях по улучшению растений.

См. Работа по секвенированию овса.

Сегодня весь генетический код многих видов — от микробов до растений, животных и человека — доступен исследователям, обнаружившим огромное разнообразие функций генов. в. Например, встречающиеся в природе почвенные бактерии Bacillus thuringiensis, (Bt) производят белки, токсичные для насекомых при употреблении в пищу, но не оказывающие воздействия на людей и сельскохозяйственных животных.

В течение многих десятилетий фермеры опрыскивали свои культуры этими естественными почвенными бактериями Bt, чтобы защитить их от повреждения насекомыми, и фактически они доступны для использования в качестве пестицидов в органическом сельском хозяйстве.

Вскоре ученые обнаружили, что вместо того, чтобы распылять бактерии на растения, что требует труда и механизации, можно вставить генетический код, производящий бактерии, в растение, чтобы позволить растению производить белок и защищать себя от насекомых. Эта черта, полученная из бактерий Bt, теперь позволяет бактериям переноситься на такие культуры, как кукуруза, соя и хлопок. Например, распространенным признаком Bt или ГМО является устойчивость Herculex® Rootworm, разработанная Corteva.

Как ученые переносят полезный ген, такой как белок Bt, от одного вида к другому?

Во-первых, инструменты молекулярной биологии, такие как технология рекомбинантной ДНК, позволяют ученым создавать цепочку ДНК, содержащую точную последовательность генетического кода, которую они хотят передать от одного вида к другому (например, в приведенном выше примере с Bt).Эти инструменты также широко используются для разработки многих продуктов, которые мы используем каждый день, от хлеба до инсулина.

Во-вторых, микрочастицы, покрытые желаемой ДНК, бомбардируются растительными клетками с очень высокой скоростью. Проходя через растительные клетки, они оставляют после себя ДНК, которую несли. Благодаря естественному процессу клеточной репарации эта донорская ДНК объединяется с геномом клетки-мишени.

В-третьих, в более элегантном подходе к переносу генов ученые используют природное явление, связанное с микробом под названием Agrobacterium .Эти микробы обладают способностью передавать набор своих генов растениям-хозяевам, процесс, который на протяжении тысячелетий также происходил в природе. Примером этого является сегодняшний сладкий картофель или ямс, в отношении которых было подтверждено, что перенос генов произошел естественным путем от одного вида (Agrobacterium) к другому (картофель) с образованием нового растения (сладкого картофеля). Биотехнологи перенаправляют этот процесс, удаляя гены Agrobacterium и оставляя только элементы, необходимые для облегчения переноса ДНК.В результате эти микробы Agrobacterium могут быть использованы для переноса интересующего гена из любого источника в растительную клетку.

После переноса гена завершающим этапом биотехнологического процесса является культивирование растительной ткани и регенерация . Используя недавно трансформированные клетки, ученые культивируют живые ткани растений в лаборатории. Затем они обеспечивают растительным тканям подходящие условия для развития проростков. Проросток в конечном итоге вырастает во взрослое растение с семенами потомства, содержащими перенесенный ген.

Если перенесенный ген происходит от другого вида, результат называется трансгенным. Перенос цисгенного гена осуществляется, когда конкретная разновидность вида, адаптированная к одному месту, содержит ген, который был бы полезен для разновидности, адаптированной к другому месту. Например, растение, растущее в тропиках, может иметь ген устойчивости к болезням, который поможет защитить растения, произрастающие в умеренном климате.

Структура популяции и генетическая дифференциация, связанные с историей размножения и отбором томатов (Solanum lycopersicum L.)

  • Akey JM, Zhang G, Zhang K, Jin L, Shriver MD (2002). Исследование карты SNP с высокой плотностью на наличие сигнатур естественного отбора. Рез. генома 12 : 1805–1814.

    КАС Статья пабмед ПабМед Центральный Google ученый

  • Антао Т., Лопес А., Лопес Р.Дж., Бежа-Перейра А., Луикарт Г. (2008).LOSITAN: Рабочий стол для обнаружения молекулярной адаптации на основе метода выбросов F st . BMC Bioinformatics 9 : 323.

    Артикул пабмед ПабМед Центральный Google ученый

  • Барреро Л.С., Тэнксли С.Д. (2004). Оценка генетической основы плодов с несколькими гнездами на широком срезе сортов томатов. Theor Appl Genet 109 : 669–679.

    КАС Статья пабмед Google ученый

  • Бомонт М.А., Николс Р.А. (1996).Оценка локусов для использования в генетическом анализе структуры популяции. Proc R Soc London Ser B 263 : 1619–1626.

    Артикул Google ученый

  • Берри С. З., Визе К.Л., Гулд В. (1992). Огайо 7983 Переработка томатов. HortScience 27 : 939.

    Артикул Google ученый

  • Берри С.З., Визе К.Л., Олдрич Т.С. (1993).Огайо 8556 Переработка томатов. HortScience 28 : 751.

    Артикул Google ученый

  • Брезегелло Ф., Сорреллс М.Э. (2006). Ассоциативный анализ как стратегия улучшения количественных признаков растений. Crop Sci 46 : 1323–1330.

    Артикул Google ученый

  • Casa AM, Pressoir G, Brown PJ, Mitchell SE, Rooney WL, Tuinstra MR и др. .(2008). Ресурсы сообщества и стратегии для картирования ассоциаций сорго. Crop Sci 48 : 30–40.

    Артикул Google ученый

  • Чихи Л (2008). Генетические маркеры: насколько точными могут быть генетические данные? Наследственность 101 : 471–472.

    КАС Статья пабмед Google ученый

  • Кларк Р.М., Линтон Э., Мессинг Дж., Добли Дж.Ф. (2004).Характер разнообразия в геномной области рядом с геном одомашнивания кукурузы tbl. Proc Natl Acad Sci USA 101 : 700–707.

    КАС Статья пабмед Google ученый

  • Дирингер Д., Шлоттерер К. (2003). MICROSATELLITE ANALYZER (MSA): независимый от платформы инструмент анализа больших наборов микроспутниковых данных. Mol Ecol Notes 3 : 167–169.

    КАС Статья Google ученый

  • Добли Дж. Ф., Гаут Б. С., Смит Б. Д. (2006).Молекулярная генетика одомашнивания сельскохозяйственных культур. Сотовый 127 : 1309–1321.

    КАС Статья пабмед Google ученый

  • Эванно Г., Регнаут С., Гуде Дж. (2005). Определение количества скоплений особей с помощью программного обеспечения СТРУКТУРА: имитационное исследование. Мол Экол 14 : 2611–2620.

    КАС Статья Google ученый

  • Excoffier L, Heckel G (2006).Компьютерные программы для анализа данных популяционной генетики: руководство по выживанию. Nat Rev Genet 7 : 745–758.

    КАС Статья пабмед Google ученый

  • Гаррис А.Дж., Тай Т.Х., Кобурн Дж., Кресович С., Маккауч С. (2005). Генетическая структура и разнообразие Oryza sativa L. Genetics 169 : 1631–1638.

    КАС Статья пабмед ПабМед Центральный Google ученый

  • Hamblin MT, Thompson EE, Di Rienzo A (2002).Сложные признаки естественного отбора в локусе группы крови Даффи. Am J Hum Genet 70 : 369–383.

    Артикул пабмед ПабМед Центральный Google ученый

  • Хедрик П. (2005). Стандартизированная мера генетической дифференциации. Эволюция 59 : 1633–1638.

    КАС Статья Google ученый

  • Холлокс Э.Дж., Поултер М., Зварик М., Ферак В., Краузе А., Дженкинс Т. и др. .(2001). Разнообразие гаплотипов лактазы в Старом Свете. Am J Hum Genet 68 : 160–172.

    КАС Статья пабмед Google ученый

  • Херлберт С.Х. (1971). Неконцепция видового разнообразия: критика и альтернативные параметры. Экология 52 : 557–586.

    Артикул Google ученый

  • Ингварссон П.К. (2010 г.).Естественный отбор по синонимичным и несинонимичным мутациям формирует паттерны полиморфизма у Populus tremula . Мол Биол Эвол 27 : 650–660;.

    КАС Статья пабмед Google ученый

  • Джонс К. М., Рик К.М., Адамс Д., Джернштедт Дж., Четелат Р.Т. (2007). Генеалогия и точное картирование obscuravenosa , гена, влияющего на распределение хлоропластов в жилках листьев, и свидетельство отбора при селекции томатов ( Lycopersicon esculentun ; Solanaceae). Am J Bot 94 : 935–947.

    Артикул пабмед Google ученый

  • Йост Л. (2008 г.). G ST и его родственники не измеряют дифференциацию. Мол Экол 17 : 4015–4026.

    Артикул пабмед ПабМед Центральный Google ученый

  • Кабелка Э., Франкино Б., Фрэнсис Д.М. (2002). Два локуса из Lycopersicon hirsutum LA407 придают устойчивость к штаммам Clavibacter michiganensis subsp. мичиганский . Фитопатология 92 : 504–510.

    КАС Статья пабмед Google ученый

  • Lawson DM, Lunde CF, Mutschler MA (1997). Перенос устойчивости к вредителям, опосредованной ацилсахаром, с помощью маркера от дикого томата, Lycopersicon pennellii , к культивируемому томату, Lycopersicon esculentum . Мол Разведение 3 : 307–317.

    КАС Статья Google ученый

  • Lee SH, Walker DR, Cregan PB, Boerma HR (2004).Сравнение четырех анализов обнаружения SNP с помощью проточной цитометрии и их использование для улучшения растений. Theor Appl Genet 110 : 167–174.

    КАС Статья пабмед Google ученый

  • Левонтин Р.С., Кракауэр Дж. (1973). Распределение частот генов как тест теории селективной нейтральности полиморфизмов. Генетика 74 : 175–195.

    КАС пабмед ПабМед Центральный Google ученый

  • Лю Дж., Ван Эк Дж., Конг Б., Тэнксли С.Д. (2002).Новый класс регуляторных генов, лежащих в основе возникновения грушевидных плодов томатов. Proc Natl Acad Sci USA 99 : 13302–13306.

    КАС Статья пабмед Google ученый

  • Лю Н, Чен Л, Ван С, О С, Чжао Х (2005). Сравнение однонуклеотидных полиморфизмов и микросателлитов в выводе о структуре популяции. BMC Genetics 6 : S26.

    Артикул пабмед ПабМед Центральный Google ученый

  • Мартин Г.Б., Броммоншенкель С.Х., Чунвонгсе Дж., Фрари А., Ганал М.В., Спайви Р. и др. .(1993). Клонирование на основе карты гена протеинкиназы, придающей томатам устойчивость к болезням. Наука 262 : 1432–1436.

    КАС Статья пабмед Google ученый

  • Маццукато А., Папа Р., Битокки Э., Москони П., Нанни Л., Негри В. и др. . (2008). Генетическое разнообразие, структура и ассоциации маркеров-признаков в коллекции итальянских сортов томатов ( Solanum lycopersicum L стародавних сортов. Theor Appl Genet 116 : 657–669.

    Артикул пабмед Google ученый

  • Миллер Дж. К., Танксли С. Д. (1990). Анализ RFLP филогенетических отношений и генетической изменчивости в роде Lycopersicon . Theor Appl Genet 80 : 437–448.

    КАС Статья пабмед Google ученый

  • Ней М. (1978).Оценка средней гетерозиготности и генетической удаленности от небольшого числа особей. Генетика 89 : 583–590.

    КАС пабмед ПабМед Центральный Google ученый

  • Папа Р., Белуччи Э., Росси М., Леонарди С., Рау Д., Гептс П. и др. . (2007). Маркировка признаков одомашнивания фасоли обыкновенной ( Phaseolus vulgaris ) с помощью объединенных образцов ДНК. Энн Бот 100 : 1039–1051.

    КАС Статья пабмед ПабМед Центральный Google ученый

  • Park YH, West MAL, St Clair DA (2004). Оценка AFLP для фингерпринтинга зародышевой плазмы и оценки генетического разнообразия сортов томатов ( Lycopersicon esculentum L.). Геном 47 : 510–518.

    КАС Статья пабмед Google ученый

  • Пнуэли Л., КармелГорен Л., Харевен Д., Гутфингер Т., Альварес Дж., Ганал М. и др. .(1998). Ген SELF-PRUNING томата регулирует переключение симподиальных меристем с вегетативного на репродуктивное и является ортологом CEN и TFL1. Развитие 125 : 1979–1989.

    КАС пабмед Google ученый

  • Притчард Дж. К., Стивенс М., Доннелли П. (2000). Вывод о структуре популяции с использованием данных о многолокусных генотипах. Генетика 155 : 945–959.

    КАС пабмед ПабМед Центральный Google ученый

  • Рана Б.К., ХьюеттЭммет Д., Джин Л., Чанг Б. Х.Дж., Самбугин Н., Лин М. и др. .(1999). Высокий полиморфизм локуса рецептора меланокортина 1 человека. Генетика 151 : 1547–1557.

    КАС пабмед ПабМед Центральный Google ученый

  • Расмуссен В. Д. (1968). Достижения в американском сельском хозяйстве: механический сборщик томатов на примере. Технол Культ 9 : 531–543.

    Артикул Google ученый

  • Роббинс М.Д., Сим С., Ян В., Ван Дейнзе А., ван Кнаап Э., Джубер Т. и др. .(2010). Полногеномный анализ выявляет различные модели неравновесия по сцеплению между рыночными классами томатов P442 . Геном растений и животных XVIII: Сан-Диего, Калифорния.

    Google ученый

  • Ромеро И.Г., Маника А., Гуде Дж., Хэндли Л.Л., Баллу Ф. (2009). Насколько точна современная картина генетической изменчивости человека? Наследственность 102 : 120–126.

    КАС Статья пабмед Google ученый

  • Розенберг Н.А., Берк Т., Эло К., Фельдманн М.В., Фрейдлин П.Дж., Гроенен М.А.М. и др. .(2001). Эмпирическая оценка методов генетической кластеризации с использованием мультилокусных генотипов 20 пород кур. Генетика 159 : 699–713.

    КАС пабмед ПабМед Центральный Google ученый

  • Шмид К., Торжек О., Мейер Р., Шмутс Х., Хоффманн М.Х., Альтманн Т. (2006). Доказательства крупномасштабной популяционной структуры Arabidopsis thaliana на основе полногеномных маркеров однонуклеотидного полиморфизма. Theor Appl Genet 112 : 1104–1114.

    КАС Статья пабмед Google ученый

  • Сим С., Роббинс М.Д., Чилкотт С., Чжу Т., Фрэнсис Д.М. (2009). Обнаружение полиморфизмов олигонуклеотидного массива в культивируемом томате ( Solanum lycopersicum L) выявило закономерности вариаций SNP, связанных с селекцией. BMC Genomics 10 : 10. Google ученый

  • Tanksley SD, McCouch SR (1997).Банки семян и молекулярные карты: раскрытие генетического потенциала дикой природы. Наука 277 : 1063–1066.

    КАС Статья пабмед Google ученый

  • ван Берлоо Р., Чжу А.Г., Урсем Р., Вербакель Х., Горт Г., ван Иувейк Ф.А. (2008). Анализ разнообразия и неравновесия по сцеплению в выбранном наборе культурных томатов. Theor Appl Genet 117 : 89–101.

    Артикул пабмед ПабМед Центральный Google ученый

  • Ван Дейнзе А., Стоффель К., Бьюэлл К.Р., Козик А., Лю Дж., Ван дер Кнаап Э. и др. .(2007). Разнообразие консервативных генов у томатов. BMC Genomics 8 : 465.

    Артикул пабмед ПабМед Центральный Google ученый

  • Ван Р. Л., Стек А., Хей Дж., Лукенс Л., Добли Дж. (1999). Пределы селекции при доместикации кукурузы. Природа 398 : 236–239.

    КАС Статья пабмед ПабМед Центральный Google ученый

  • Weir BS, Cockerham CC (1984).Оценка F-статистики для анализа структуры населения. Эволюция 38 : 1358–1370.

    КАС Google ученый

  • Williams CE, St. Clair DA (1993). Фенетические отношения и уровни изменчивости, обнаруженные с помощью полиморфизма длин рестрикционных фрагментов и анализа случайной амплифицированной полиморфной ДНК культивируемых и диких образцов Lycopersicon esculentum . Геном 36 : 619–630.

    КАС Статья пабмед Google ученый

  • Yang W, Bai XD, Kabelka E, Eaton C, Kamoun S, van der Knaap E и др. . (2004). Обнаружение однонуклеотидных полиморфизмов в Lycopersicon esculentum с помощью компьютерного анализа тегов экспрессируемых последовательностей. Мол Порода 14 : 21–34.

    КАС Статья Google ученый

  • Ян В., Миллер С.А., Скотт Дж.В., Джонс Дж.Б., Фрэнсис Д.М. (2005a).Изучение баз данных последовательностей генома томатов для применения молекулярных маркеров к устойчивости бактерий и отбору с помощью маркеров. Acta Hort 695 : 241–250.

    Артикул Google ученый

  • Ян В., Сакс Э.Дж., Айви М.Л.Л., Миллер С.А., Фрэнсис Д.М. (2005b). Устойчивость при внутривидовом скрещивании Solanum lycopersicum со штаммами расы T1 Xanthomonas campestris pv. vesicatoria , вызывающая бактериальную пятнистость томатов. Фитопатология 95 : 519–527.

    КАС Статья пабмед Google ученый

  • You F, Huo N, Gu Y, Luo M, Ma Y, Hane D и др. . (2008). BatchPrimer3: высокопроизводительное веб-приложение для разработки праймеров для ПЦР и секвенирования. Биоинформатика BMC 9 : 253–265.

    Артикул пабмед ПабМед Центральный Google ученый

  • Чжао К., Туйе А.С., Ульманн Н.К., Вебер А., Рафальски Дж.А., Аллен С.М. и др. .(2008). Роль регуляторных генов при одомашнивании кукурузы: данные полиморфизма нуклеотидов и экспрессии генов. Генетика 178 : 2133–2143.

    КАС Статья пабмед ПабМед Центральный Google ученый

  • Вопросы и ответы: современное растениеводство для обеспечения продовольственной безопасности будущего | BMC Biology

    Начало развития сельскохозяйственных культур восходит к истории человечества и, по широко распространенному мнению, происходит из «Плодородного полумесяца», региона, который сегодня охватывает часть стран Ирака, Палестины, Сирии, Ливана, Кипра, Иордания, Израиль, Египет, Турция и Иран.Недавно появились новые данные о том, что 14 400 лет назад в Юго-Западной Азии производились доисторические хлебоподобные продукты [1], которые изготавливались из корневых клубней ( Bolboschoenus glaucus ) и семян однозернянки ( Triticum boeoticum ), одного предков современной пшеницы. Интересно, что это отодвигает свидетельства существования хлеба как минимум на 4000 лет до появления сельского хозяйства. Это говорит о том, что ранняя культура выпечки хлеба могла способствовать одомашниванию наших первых культур [1].Во время заселения и появления земледелия люди отобрали наиболее благоприятные растения из доступных предков, и этот процесс совместной эволюции между видами растений и человечеством привел к сегодняшним продовольственным культурам. Семена наиболее продуктивных растений были сохранены после сбора урожая и высеяны в следующем сезоне, что привело к постоянному улучшению характеристик, благоприятных для питания человека и местного производства. Эта первая форма селекционного отбора без какого-либо принудительного скрещивания представляла собой основную форму улучшения растений на протяжении нескольких тысячелетий, изменяя характеристики растений для повышения их полезности [2].Предпосылкой успешного выращивания были так называемые признаки одомашнивания. Хорошим примером является устранение механизма рассеивания семян в злаках, таких как пшеница и ячмень, известного как осыпание семян. В то время как осыпание семян при созревании необходимо для распространения и размножения дикорастущих трав, эта характеристика нежелательна для сельского хозяйства. Поэтому в процессе одомашнивания были отобраны генотипы растений, которые сохранили свои семена и тем самым показали снижение потерь урожая. Поскольку только несколько растений несли желаемые мутации, сильное давление отбора стало генетическим узким местом для разнообразия, доступного в наших современных культурах (рис.1а). Учитывая чрезвычайно долгую эволюцию сельскохозяйственных культур, современная селекция растений стала практиковаться лишь недавно, в основном после формулировки Менделем законов наследственности в 1865 году. Ранние генетические исследования Менделя на горохе и его теории о наследовании и сегрегации признаков проложили путь для целенаправленного скрещивания. между родительскими генотипами, практика, которая лежит в основе современного улучшения урожая. Однако для того, чтобы удовлетворить растущий спрос на продукты растительного происхождения, к середине этого века темпы генетического улучшения должны быть удвоены.

    Рис. 1.

    Развитие сельскохозяйственных культур с течением времени, включая a потерю разнообразия из-за генетических узких мест одомашнивания, селекции местных сортов и современной селекции растений (адаптировано из [10], с разрешения AAAS), и b пример высокоурожайного староместного сорта пшеницы, выращенного до Зеленой революции ( слева ) и современного высокоурожайного сорта, отобранного для уменьшения высоты растений ( справа )

    Фундаментальные открытия Дарвина и Менделя заложили научную основу для селекции и генетики растений на рубеже 20-го века.Точно так же недавняя интеграция достижений в области биотехнологии, геномных исследований и применения молекулярных маркеров с традиционными методами селекции растений создала основу для молекулярной селекции растений, междисциплинарной науки, которая революционизирует улучшение сельскохозяйственных культур в 21 веке. Хотя методы молекулярной селекции растений продолжают развиваться и вызывают большой интерес у селекционеров и растениеводов (обзор см. в Cooper et al., 2004; Nelson et al., 2004; Lörz and Wenzel, 2005; Varshney et al. др., 2006; Итингтон и др., 2007 г.; Mumm, 2007), им уделялось сравнительно мало внимания со стороны большинства биологов растений, занимающихся фундаментальными научными исследованиями. Цель этой статьи из серии «Выбор редакции», посвященной будущим достижениям в биотехнологии сельскохозяйственных культур, состоит в том, чтобы кратко рассмотреть важные исторические события в молекулярной селекции растений, ключевые принципы, влияющие на текущую практику молекулярной селекции растений, и факторы, влияющие на принятие молекулярной селекции растений в программы улучшения урожая.Кроме того, мы подчеркиваем, как применение молекулярной селекции растений в настоящее время способствует открытию генов и их функций, которые открывают новые возможности для фундаментальных исследований в области биологии растений.

    ИСТОРИЧЕСКОЕ РАЗВИТИЕ МОЛЕКУЛЯРНОЙ СЕЛЕКЦИИ РАСТЕНИЙ

    Селекция растений описывает методы создания, селекции и закрепления превосходных фенотипов растений при выведении улучшенных сортов, отвечающих потребностям фермеров и потребителей. Основные цели селекции сельскохозяйственных и садовых культур обычно направлены на повышение урожайности, питательных качеств и других характеристик, имеющих коммерческую ценность.Парадигма селекции растений оказалась чрезвычайно успешной в глобальном масштабе, с такими примерами, как разработка гибридной кукурузы ( Zea mays ; Duvick, 2001), внедрение пшеницы ( Triticum aestivum ) и риса ( Oryza sativa ). ), породивших Зеленую революцию (Everson and Golin, 2003), и недавнюю коммерциализацию трансгенных культур (James, 2007). Эти и многие другие продукты селекции растений внесли свой вклад в многочисленные выгоды, которые глобальное общество получило от более устойчивых поставок углерода, который можно собирать в качестве пищи, кормов, лесов, волокна и топлива.

    Селекция растений имеет давнюю историю интеграции последних достижений в области биологии и генетики для улучшения качества сельскохозяйственных культур. Доисторическая селекция по видимым фенотипам, которая способствовала сбору урожая и повышению продуктивности, привела к одомашниванию первых сортов сельскохозяйственных культур (Harlan, 1992) и может считаться самым ранним примером биотехнологии. Дарвин изложил научные принципы гибридизации и селекции, а Мендель определил фундаментальную связь между генотипом и фенотипом, открытия, позволившие применить научный подход к селекции растений в начале 20 века (т.грамм. Шулл, 1909). Несмотря на немедленное признание некоторыми селекционерами важности менделевской генетики, полная интеграция была отложена почти на 20 лет, пока количественная генетика не согласовала менделевские принципы с непрерывным изменением, наблюдаемым для большинства признаков, которые большинство селекционеров считают важными (Paul and Kimmelman, 1988). . Последующие достижения в нашем понимании биологии растений, анализа и индукции генетической изменчивости, цитогенетики, количественной генетики, молекулярной биологии, биотехнологии и, совсем недавно, геномики были последовательно применены для дальнейшего расширения научной базы и ее применения в селекции растений. процесс (т.грамм. Baenziger и др., 2006; Джаухар, 2006 г.; Варшней и др., 2006).

    Эра биотехнологии растений началась в начале 1980-х годов, когда появились важные сообщения о получении трансгенных растений с использованием Agrobacterium (Bevan et al. , 1983; Fraley et al., 1983; Herrera-Estrella et al., 1983). Вскоре после этого были разработаны системы молекулярных маркеров для сельскохозяйственных культур для создания генетических карт с высоким разрешением и использования генетической связи между маркерами и важными признаками сельскохозяйственных культур (Edwards et al., 1987; Paterson et al., 1988). К 1996 г. коммерциализация трансгенных культур продемонстрировала успешную интеграцию биотехнологии в программы селекции и улучшения сельскохозяйственных культур (Koziel et al., 1993; Delannay et al., 1995). Как показано на рисунке, интрогрессия одного или нескольких генов в текущий элитный сорт посредством обратного скрещивания является обычной практикой селекции растений. Методы обратного скрещивания с помощью маркеров были быстро разработаны для интрогрессии трансгенных признаков и уменьшения сопротивления сцеплению, когда молекулярные маркеры использовались при сканировании генома для отбора тех особей, которые содержали как трансген, так и наибольшую долю благоприятных аллелей из рекуррентного родительского генома. (т.е.грамм. Рагот и др., 1995; Джонсон и Мумм, 1996). В течение последних 25 лет непрерывная разработка и применение биотехнологии растений, молекулярных маркеров и геномики позволила создать новые инструменты для создания, анализа и управления генетической изменчивостью и разработки улучшенных сортов (обзор см. в Sharma et al. , 2002; Varshney et al., 2006; Collard and Mackill, 2008). Молекулярная селекция в настоящее время является стандартной практикой для многих культур, и в следующих разделах кратко рассматривается, как молекулярная информация и генная инженерия положительно влияют на парадигму селекции растений.

    Общие схемы разведения и селекции. Каждая вертикальная полоса представляет собой графическое представление генома особи в размножающейся популяции с цветными сегментами, указывающими на гены и/или QTL, влияющие на селекционные признаки. Гены, связанные с разными признаками, показаны разными цветами (например, красным, синим). «X» указывает на скрещивание между родителями, а стрелки изображают последовательные скрещивания одного и того же типа. Звездочка под индивидуумом означает желаемый генотип. А, Бэккроссинг.Донорская линия (синяя полоса), имеющая определенный интересующий ген (красная полоса), скрещивается с элитной линией, предназначенной для улучшения (белая полоса), а потомство многократно подвергается обратному скрещиванию с элитной линией. Каждый цикл обратного скрещивания включает отбор интересующего гена и восстановление увеличенной доли генома элитной линии. B, Генная пирамида. Гены/QTL, связанные с разными полезными признаками (синий, красный, оранжевый, зеленый), объединяются в один и тот же генотип путем скрещивания и селекции. С, племенное разведение.Скрещивают двух особей с желательными и комплементарными фенотипами; F 1 потомство подвергается самоопылению для закрепления новых, улучшенных комбинаций генотипов. D, рекуррентный отбор. Популяция особей (10 в этом примере) разделяется по двум признакам (красный, синий), на каждый из которых влияют два основных благоприятных QTL. Скрещивание между особями и отбор по желаемым фенотипам/генотипам увеличивает частоту благоприятных аллелей в каждом локусе. Например, ни у одной особи в исходной популяции не было всех благоприятных аллелей, но после рекуррентного отбора половина популяции обладает желаемым генотипом.Для гибридизированных культур рекуррентный отбор можно проводить параллельно в двух взаимодополняющих популяциях для получения линий, которые затем скрещиваются для образования гибридов; этот метод называется реципрокным рекуррентным отбором.

    ПРИНЦИПЫ И ПРАКТИКА МОЛЕКУЛЯРНОЙ СЕЛЕКЦИИ РАСТЕНИЙ

    Схемы селекции и концепция генетического усиления

    Концептуально селекция растений проста: скрещивать лучших родителей, выявлять и получать потомство, которое превосходит родителей. На практике селекция растений представляет собой трехэтапный процесс, в ходе которого создаются или собираются популяции или коллекции зародышевой плазмы с полезной генетической изменчивостью, идентифицируются особи с превосходными фенотипами и из отобранных особей выводятся улучшенные сорта.Для улучшения сортов было разработано большое разнообразие подходов, адаптированных к видам сельскохозяйственных культур и целям селекции (Fehr, 1987; Stoskopf et al. , 1993). Эти методы разведения включают различные типы популяций, процедуры отбора и результаты.

    обобщает три метода селекции, которые обычно используются в программах улучшения урожая. Как упоминалось ранее, когда цель состоит в том, чтобы улучшить установленный элитный генотип с признаком (признаками), контролируемыми одним или несколькими локусами, обратное скрещивание используется либо для интрогрессии одного гена (), либо для пирамиды нескольких генов ().Для генетически сложных признаков улучшение зародышевой плазмы вместо этого требует перетасовки генома для создания новых благоприятных комбинаций генов в потомстве. Метод племенной селекции создает такую ​​новизну за счет скрещивания и рекомбинации среди превосходящих, но комплементарных родителей и отбора среди расщепляющегося потомства для улучшения продуктивности (). Рекуррентная селекция направлена ​​на одновременное увеличение частот благоприятных аллелей в нескольких локусах в размножающихся популяциях путем скрещивания отобранных особей (4). Для гибридных культур, таких как кукуруза, периодическая селекция может быть расширена для улучшения характеристик отдельных дополнительных популяций (например, гетерозисных групп), которые используются в качестве родителей для формирования превосходных гибридных комбинаций. Эта практика называется взаимным рекуррентным отбором.

    Количественные генетические принципы оказались особенно действенными в качестве теоретической основы как для улучшения популяции, так и для методов отбора и стабилизации желаемых генотипов (Hallauer, 2007).Важным понятием в количественной генетике и селекции растений является генетическая выгода (ΔG), которая представляет собой прогнозируемое изменение среднего значения признака в популяции, происходящее в результате отбора. Независимо от вида, интересующего признака или используемых методов селекции ΔG служит простым универсальным выражением ожидаемого генетического улучшения (Fehr, 1987; Falconer and Mackay, 1996). показано уравнение генетического усиления и расширение его членов до фундаментальных параметров количественной генетики. Хотя явное упрощение передовых количественных генетических принципов, используемых в селекции растений, уравнение генетического прироста эффективно связывает четыре основных фактора, влияющих на прогресс селекции: степень фенотипической изменчивости, присутствующей в популяции (представленная ее sd, σ P ), вероятность передачи фенотипа признака от родителя к потомству (наследуемость, h 2 ), доля популяции, отобранной в качестве родителей для следующего поколения (интенсивность отбора, i , выраженная в ед. sd от среднего) и продолжительность времени, необходимого для завершения цикла отбора ( L ). L зависит не только от того, сколько поколений требуется для завершения цикла селекции, но и от того, насколько быстро могут быть завершены поколения и сколько поколений может быть завершено в год.

    Уравнение генетического усиления и его составляющие переменные. Верхняя часть иллюстрирует идеализированное распределение, показывающее частоту особей в размножающейся популяции (ось y ), которые демонстрируют различные классы фенотипических значений (ось х ). Указаны среднее фенотипическое значение ( μ 0 ) исходной популяции (показано как вся площадь под нормальной кривой) и среднее ( μ S ) для группы отобранных особей (заштриховано синим цветом).В этом обобщенном примере улучшение признака достигается путем отбора по более низкому фенотипическому значению, например. влажность зерна при уборке кукурузы. Компоненты изменчивости ( σ 2 ), которые вносят вклад в sd фенотипического распределения ( σ P ), указаны под гистограммой.

    Ясно, что ΔG можно увеличить, увеличивая σ P , h 2 или i , и уменьшая L .Таким образом, уравнение генетического прироста обеспечивает основу для сравнения прогнозируемой эффективности конкретных стратегий селекции и часто используется в качестве руководства для разумного распределения ресурсов для достижения целей селекции. При рассмотрении в контексте концепции генетической выгоды молекулярная селекция растений предлагает новые мощные подходы для преодоления прежних ограничений в максимизации ΔG. В следующих разделах приводятся примеры, когда молекулярная селекция растений положительно влияет на ΔG и каждую из его составляющих переменных.Для краткости мы сосредоточимся на примерах кукурузы, где молекулярная селекция наиболее продвинута и теперь стала основным средством для разработки улучшенных коммерческих гибридов.

    Молекулярная селекция растений расширяет полезное генетическое разнообразие для улучшения сельскохозяйственных культур

    Максимальный потенциал генетического усиления пропорционален фенотипической изменчивости ( σ P ), присутствующей в исходной исходной популяции и сохраняемой в последующих циклах селекции. Фенотипическая изменчивость положительно связана с генетическим разнообразием, но также зависит от факторов окружающей среды и взаимодействия между генотипом и окружающей средой.Генетическое разнообразие может быть получено путем скрещивания популяций (естественных или синтетических), выделения потомства в результате скрещивания выбранных родительских линий, экзотических материалов, не адаптированных к целевой среде, широких межвидовых скрещиваний, естественных или индуцированных мутаций, введения трансгенные события или комбинации этих источников.

    Однако не все фенотипические вариации одинаковы. Например, использование экзотической зародышевой плазмы оказалось чрезвычайно успешным для улучшения многих видов сельскохозяйственных культур, но могут возникнуть трудности из-за введения нежелательных аллелей, связанных с отсутствием адаптации.Потребность в генетическом разнообразии должна быть уравновешена высокими показателями, потому что выбор лучших родителей является ключом к максимизации вероятности успешного улучшения. Напротив, ожидаемое увеличение неравновесия по сцеплению среди элитных популяций, возникающее в результате интенсивного предварительного отбора, может также ограничивать создание новых генетических комбинаций для будущих выгод. Смешивание исходных популяций для генетической рекомбинации может решить эту проблему, но задерживает развитие сорта.

    Молекулярные маркеры, а в последнее время и высокопроизводительное секвенирование генома значительно расширили знания и возможности характеризовать генетическое разнообразие в пуле зародышевой плазмы практически любых видов сельскохозяйственных культур. Используя кукурузу в качестве одного из примеров, исследования аллелей молекулярных маркеров и вариаций нуклеотидной последовательности предоставили основную информацию о генетическом разнообразии до и после одомашнивания от его дикого предка teosinte, среди географически распределенных местных сортов и в пределах исторически элитной зародышевой плазмы (для обзора см. Cooper et al. ., 2004; Нибур и др., 2004; Баклер и др., 2006). Эта информация обогащает исследования эволюции растений и сравнительной геномики, способствует нашему пониманию структуры популяции, обеспечивает эмпирические измерения генетических ответов на отбор, а также служит для выявления и поддержания резервуаров генетической изменчивости для будущей разработки полезных аллелей (McCouch, 2004; Слейд и др., 2005). Кроме того, знание генетических взаимоотношений между источниками зародышевой плазмы может помочь в выборе родителей для получения гибридов или улучшенных популяций (например, Dudley et al., 1992; Collard and Mackill, 2008).

    В то время как молекулярные маркеры и другие геномные приложения оказались очень успешными в характеристике существующей генетической изменчивости внутри видов, биотехнология растений создает новое генетическое разнообразие, которое часто выходит за пределы видов (Gepts, 2002; Johnson and McCuddin, 2008).Биотехнология позволяет получить доступ к генам, ранее недоступным путем скрещивания, и создает практически бесконечный пул новых генетических вариаций. Гены могут быть получены из существующих геномов, охватывающих все царства жизни, или сконструированы и собраны de novo в лаборатории. Как тонкие, так и крайние примеры способности трансгенов вводить новые фенотипические вариации можно найти в трех разных трансгенах, разработанных для устойчивости к глифосатным гербицидам кукурузы и других культур. Первые гибриды кукурузы, устойчивые к глифосату, использовали модифицированную версию эндогенного гена кукурузы, кодирующего 5-энол-пирувилшикимат-3-P-синтазу (Spencer et al., 2000), за которыми позже последовали события, вызванные геном 5-енол-пирувилшикимат-3-P-синтазы, выделенным из Agrobacterium (Behr et al. , 2004). Совсем недавно синтетический ген с повышенной активностью глифосат-ацетилтрансферазы был создан путем перетасовки генов и селекции в микробной системе (Castle et al., 2004). Каждое из этих событий кукурузы, устойчивой к глифосату, также иллюстрирует еще одно преимущество биотехнологии, когда новые комбинации регуляторных последовательностей (например, промоторы вируса мозаики цветной капусты 35S и промоторов актина 1 риса ) могут использоваться для достижения оптимальной экспрессии признаков в отношении общей активности и ткани. распределение относительно того, что было бы возможно с эндогенными генами (Heck et al., 2005).

    Молекулярная селекция растений увеличивает благоприятное действие генов

    Количественная генетика использует теоретическую концепцию наследуемости для количественного определения доли фенотипической изменчивости, контролируемой генотипом. На практике на наследуемость сильно влияет генетическая архитектура интересующего признака, которая описывается количеством генов, величиной их эффектов и типом действия генов, связанным с фенотипами. Лучшее знание генетической архитектуры и благоприятное действие генов (те, которые лучше поддаются отбору) часто оказывают наибольшее влияние на улучшение генетического прироста.Для формулы генетического усиления наследуемость ( h 2 ) используется в узком смысле, представляя долю фенотипической изменчивости из-за аддитивных генетических эффектов (тех, которые отражают изменения в дозировке аллелей или аллельных заменах). Аддитивные генетические эффекты также называют племенной ценностью, поскольку они предсказуемо передаются потомству. Отклонения от аддитивных эффектов значимы для многих признаков и делятся либо на эффекты доминирования, отражающие взаимодействие между разными аллелями в одном и том же локусе, либо на эпистатические эффекты, возникающие в результате взаимодействия между разными локусами.Действие генов и племенная ценность характеризуются тестированием потомства, когда фенотипы особей в популяции сравниваются с их родителями и братьями и сестрами, полученными либо в результате самоопыления, либо в результате ауткроссинга.

    Предыдущие усилия по разработке большого количества молекулярных маркеров, генетических карт высокой плотности и надлежащим образом структурированных картирующих популяций теперь сделали рутинной для многих видов сельскохозяйственных культур способность одновременно определять действие генов и селекционную ценность в сотнях, а часто и тысячах локусов, распределенных относительно равномерно по всем геномам.Результаты таких исследований по картированию обеспечивают значительно улучшенные оценки количества локусов, аллельных эффектов и интересующих признаков, контролирующих действие генов. Что еще более важно, можно легко идентифицировать геномные сегменты, которые демонстрируют статистически значимые ассоциации с количественными признаками (локусы количественных признаков [QTL]). В дополнение к генетическому картированию в семьях, полученных от двухродительских скрещиваний, новые достижения в области генетики ассоциаций с генами-кандидатами и подходы, сочетающие анализ неравновесия по сцеплению в семьях и популяциях (Holland, 2007; Yu et al. , 2008) еще больше расширяют возможности обнаружения QTL.

    Информация о QTL может быть использована несколькими способами для повышения наследуемости и благоприятного действия генов. Для признаков, проявляющих наследуемость от низкой до умеренной, таких как урожайность зерна, QTL и связанные с ними молекулярные маркеры, часто приходится большая доля аддитивных генетических эффектов, чем только фенотип. Кроме того, знание генетической архитектуры может быть использовано для добавления или удаления определенных аллелей, которые вносят вклад в племенную ценность.Когда либо генетическое сцепление, либо эпистаз среди локусов с антагонистическими эффектами на признак ограничивают генетическое усиление, информация о QTL может быть использована для разрыва этих нежелательных аллельных отношений.

    Успех в использовании информации о QTL для увеличения генетического прироста в значительной степени зависит от величины эффектов QTL, точной оценки положения QTL, стабильности эффектов QTL в различных средах и устойчивости QTL к соответствующей селекционной зародышевой плазме. Предсказание позиций QTL улучшается за счет дальнейшего точного картирования, что облегчает тестирование эффектов QTL и племенной ценности в дополнительных популяциях.Когда плотность наблюдаемых рекомбинаций приближается к разрешению одиночных генов, можно определить причинное генетическое изменение для QTL (для обзора см. Salvi and Tuberosa, 2005; Yu and Buckler, 2006; Beló et al., 2008; Harjes et al. ., 2008). Молекулярная изоляция QTL позволяет разработать совершенные или функциональные молекулярные маркеры при потенциальном разрешении фундаментальной единицы наследования, нуклеотида, и значительно повышает специфичность и точность, с помощью которых оцениваются и манипулируются генетические эффекты в программах разведения.

    Использование трансгенов может дополнительно упростить генетическую архитектуру желаемых признаков способами, которые могут быть лучше или невозможны даже при наличии идеальных маркеров для надежных QTL большого эффекта. Трансгены обычно обусловливают сильные генетические эффекты в функционально одиночных локусах, которые также демонстрируют действие доминантного гена, когда для максимальной экспрессии признака в гибридном культиваре требуется только одна копия события. Эти особенности трансгенов могут свести сложные количественные улучшения к прямому, часто драматическому решению.Отличными примерами служат экспрессия в трансгенных гибридах кукурузы белков-инсектицидных токсинов из Bacillus thuringiensis ( Bt ) для снижения повреждения, наносимого личинками кукурузного мотылька европейского ( Ostrinia nubilalis ) или кукурузного жука-короеда ( Diabrotica). видов). Частичная устойчивость зародышевой плазмы кукурузы к этим насекомым-вредителям ранее характеризовалась как количественно наследуемые признаки с низкой наследуемостью (Papst et al., 2004; Tollefson, 2007), но трансгенные объекты Bt предлагают просто наследуемую альтернативу, которая эффективно манипулируется в племенные программы.

    Упрощая генетическую архитектуру, трансгены могут также допускать нарушение аллельных взаимодействий между факторами, контролирующими интересующий признак и другие важные рабочие характеристики. Например, использование трансгенного источника устойчивости к насекомым (например, одного трансгена локуса Bt ) может облегчить отбор благоприятных аллелей для повышения урожайности, которые тесно связаны в отталкивании с эндогенными генами устойчивости к тому же классу насекомых-вредителей. Кроме того, трансгенные объекты могут быть сконструированы для отделения негативных плейотропных эффектов от полезных фенотипов, обусловленных рецессивными мутациями. Это применение иллюстрируется использованием РНК-интерференции для специфического подавления экспрессии запасного белка семян зеина (Segal et al., 2003; Huang et al., 2004). Эта стратегия имитирует эффекты мутации opaque2 на улучшение аминокислотного профиля зерна кукурузы для кормления животных, в то же время обходя более мягкую текстуру эндосперма и восприимчивость к грибковым патогенам, обычно связанные с opaque2 .

    Трансгенные события также могут быть спроектированы таким образом, чтобы вмешиваться в ключевые этапы регуляции всего метаболического пути или пути развития, так что действие генов для соответствующих признаков в значительной степени наследуется как одиночные доминирующие факторы, менее чувствительные к воздействиям окружающей среды. Примеры включают экспрессию транскрипционного фактора, повышающего засухоустойчивость (Nelson et al. , 2007), и изменение баланса между уровнями транскрипционного фактора GLOSSY15 по сравнению с его репрессором, микроРНК172 , для задержки времени цветения у гибридов кукурузы (Lauter и другие., 2005).

    Биотехнология также облегчает молекулярное объединение трансгенов, которые контролируют признак или набор признаков, в один гаплотип локуса, определяемый трансгенным событием. Примеры такого подхода включают первоначальный Golden Rice (Ye et al., 2000), недавно выпущенные тройные трансгенные гибриды кукурузы YieldGuard VT Triple, в которых устойчивость к гербицидам и множественная устойчивость к насекомым объединены в один геномный локус (http://www.yieldgardvt. com/VTScience/Default.aspx), или комбинации трансгенов, которые одновременно увеличивают синтез и снижают катаболизм Lys в семенах кукурузы (Frizzi et al., 2008). Недавние сообщения об улучшениях в технологии нацеливания генов (Ow, 2007) и конструировании мейотически передаваемых минихромосом растений (Carlson et al. , 2007; Yu et al., 2007) прокладывают путь для введения большего количества признаков с возрастающей сложностью. С такими достижениями биотехнология теперь готова собрать полезное генетическое разнообразие практически из любого источника в конструкции, которые концентрируют благоприятное действие генов и максимизируют наследуемость для значительно расширенного набора признаков.

    В заключение этого раздела о том, как молекулярная селекция растений увеличивает благоприятное действие генов, важно подчеркнуть, что исследования QTL, когда они проводятся с надлежащим масштабом и точностью для идентификации причинных генов, представляют собой мощный подход к функциональной геномике.Молекулярное клонирование QTL дало новое понимание биологии количественных признаков, которые вряд ли можно было бы обнаружить при анализе нокаутов генов или стратегий гиперэкспрессии, в частности влияния регуляторной изменчивости на фенотипическую изменчивость и эволюцию (например, Cong et al. , 2002; Кларк и др. , 2006; Ян и др., 2004; Сальви и др., 2007). Кроме того, молекулярные маркеры, геномика и биотехнология теперь применяются в повторяющейся сети для использования генетического разнообразия для улучшения урожая.Геномная информация позволяет обнаруживать полезные аллели посредством картирования и клонирования QTL с последующим использованием информации, полученной в результате молекулярной характеристики QTL, для разработки оптимальных трансгенных стратегий улучшения урожая.

    Молекулярная селекция растений повышает эффективность селекции

    Традиционная селекция растений, основанная только на фенотипическом отборе, исторически была эффективной. Однако по некоторым признакам фенотипическая селекция мало продвинулась из-за проблем с измерением фенотипов или выявлением особей с наивысшей племенной ценностью.Влияние окружающей среды, генотип при взаимодействии с окружающей средой и ошибки измерения также вносят свой вклад в наблюдаемые различия. Оценка генотипов в нескольких средах с повторяющимися конструкциями позволяет лучше оценить племенную ценность, но требует дополнительного времени и затрат. Для некоторых признаков может потребоваться пожертвовать индивидуумом для измерения фенотипов, или выражение признака может зависеть от переменных условий окружающей среды (например, влияния болезни) и стадии развития (например,грамм. качество зерна можно оценить только после цветения). Кроме того, селекционеры обычно должны одновременно улучшать набор коммерчески ценных признаков, что может ограничивать выгоды от селекции. Точно так же, как молекулярная селекция растений помогает расширить генетическое разнообразие, охарактеризовать генетическую архитектуру и изменить действие генов, ее методы также можно применять для повышения эффективности селекции.

    В обширной литературе рассматривается полезность селекции с помощью молекулярных маркеров и ее соответствие различным методам селекции (), при этом читателю предлагается ряд недавних превосходных обзоров по этой теме (Dekkers and Hospital, 2002; Holland , 2004; Johnson, 2004; Varshney et al., 2006; Коллард и Маккилл, 2008 г.). Молекулярные маркерные генотипы, которые либо находятся внутри генов, либо тесно связаны с QTL, влияющими на селекционные признаки, могут использоваться в качестве дополнения к фенотипическим наблюдениям в селекционном индексе (Lande and Thompson, 1990). В случаях, когда генетические корреляции высоки, дополнительную эффективность можно получить, заменив фенотипический отбор генотипическим во время некоторых циклов селекции, что может уменьшить усилия по фенотипированию и время цикла, разрешив использование внесезонных питомников.Johnson (2004) резюмировал ранний пример объединения фенотипических данных и оценок молекулярных маркеров для повышения эффективности селекции по урожайности зерна кукурузы и устойчивости к европейскому кукурузному мотыльку. Эффективной стратегией одновременной модификации нескольких признаков является использование индексов селекции, учитывающих множество факторов при выборе окончательного улучшенного генотипа. Итингтон и др. (2007) недавно сообщили о результатах, полученных в результате использования индексов множественных признаков и отбора с помощью маркеров для почти 250 уникальных селекционных популяций кукурузы.Использование молекулярных маркеров увеличило эффективность селекции примерно в 2 раза по сравнению с одним только фенотипическим отбором, при этом аналогичный прирост также наблюдался в популяциях сои ( Glycine max ) и подсолнечника ( Helianthus annuus ).

    Селекция с помощью маркеров также может значительно повысить генетический эффект для признаков, фенотип которых трудно оценить из-за его дороговизны или зависимости от конкретных условий окружающей среды. Молекулярные маркеры можно использовать для повышения вероятности выявления действительно превосходных генотипов путем сосредоточения ресурсов тестирования на генотипах с наибольшим потенциалом (т.е. раннее устранение низших генотипов), уменьшая количество потомства, которое необходимо подвергнуть скринингу, чтобы восстановить заданный уровень прироста, и обеспечивая одновременное улучшение признаков, которые имеют отрицательную корреляцию (Knapp, 1998). Успешные примеры включают устойчивость к соевой нематоде (Young, 1999), устойчивость к болезням зерновых (обзор см. Varshney et al., 2006) и засухоустойчивость кукурузы (Ribaut and Ragot, 2007; Tuberosa et al., 2007). .

    Эффективность фенотипического отбора по некоторым сложным признакам может быть повышена за счет включения физиологических или биохимических фенотипов в качестве вторичных признаков, если они демонстрируют сильные генетические корреляции с целевым признаком и обладают высокой наследуемостью. Недавние достижения в области функциональной геномики позволяют составить в масштабе популяции профилирование изобилия РНК, уровней и активности белков, а также метаболитов, связанных с важными признаками. В дополнение к молекулярным маркерам, которые маркируют вариации последовательности ДНК, такие подходы генетической геномики могут предоставлять дополнительные вторичные фенотипы в качестве мишеней отбора (Jansen and Nap, 2001; Johnson, 2004), в частности, для признаков, определяемых реакцией на сигналы окружающей среды, развития или физиологические сигналы.

    Маркерная селекция также ускоряет внедрение трансгенов в коммерческие сорта.Как правило, это достигается за счет обратного скрещивания с помощью маркеров. Тем не менее, для будущих усовершенствований биотехнологии, таких как устойчивость к засухе или ограничение питательных веществ, может потребоваться передовая селекция для совместной оптимизации экспрессии трансгена и генетического фона, поскольку эндогенные гены и факторы окружающей среды могут потенциально влиять на фенотипы, возникающие в результате трансгенных модификаций (Mumm, 2007). . Конечно, использование молекулярных маркеров также могло бы помочь селекционным усилиям. В качестве альтернативы, усилия по открытию дополнительных генов или QTL, которые необходимы для надежного проявления признаков, могут предложить разработку новых конструкций трансгенов, которые объединяют первичные трансгены с известными генетическими модификаторами в трансгенные объекты второго поколения.

    РАСШИРЕНИЕ ВНЕДРЕНИЯ МОЛЕКУЛЯРНОЙ СЕЛЕКЦИИ РАСТЕНИЙ

    Внедрение методов молекулярной селекции растений происходит с разной скоростью среди видов сельскохозяйственных культур и организаций, занимающихся улучшением сельскохозяйственных культур, из-за комбинированного влияния научных, экономических и социологических факторов. Важными ранними научными препятствиями были невосприимчивость видов зерновых культур к трансформации, опосредованной Agrobacterium , и отсутствие знаний о генетическом контроле признаков, уже определенных как важные цели размножения.Непрерывные исследования и развитие технологий в значительной степени преодолели препятствия для трансформации растений почти всех важных культурных и садовых видов (Wenzel, 2006). Точно так же информация, полученная в результате геномных исследований видов растений и других организмов, позволила получить обширную информацию о структуре и функциях генов, а также большое количество молекулярных маркеров для использования в селекции растений. Несмотря на эти ресурсы, генетическая специфичность надежных QTL остается труднодостижимой, если программы разведения и связанные с ними системы управления информацией не будут реструктурированы для полной интеграции знаний о родословных, фенотипах и маркерных генотипах, которые можно использовать для оптимизации реакции на отбор (Cooper et al., 2004; Итингтон и др., 2007). Даже при такой интеграции модификация регуляторных функций остается научной проблемой для молекулярной селекции, потому что трудно определить основу последовательности для регуляторных изменений и предсказать их фенотипические эффекты (Morgante and Salamini, 2003).

    Как только передовые технологии в области биотехнологии и геномики становятся доступными, экономические факторы часто определяют степень интеграции этих инноваций в существующие программы селекции растений. Расходы на получение разрешения государственных органов на коммерческий выпуск трансгенных сортов (недавно оцененные Kalaitzandonakes et al., 2007 в 7–10 миллионов долларов) являются значительным экономическим барьером. Затраты, связанные с разработкой, внедрением и эксплуатацией молекулярной селекции растений, превышают традиционные методы селекции растений (Koebner and Summers, 2003; Morris et al., 2003), что требует значительных инвестиций в новую исследовательскую инфраструктуру и интеллектуальный потенциал.Первоначально такие ресурсы существовали только в частных агрофирмах и нескольких крупных государственных учреждениях, что еще больше ускорило продолжающуюся тенденцию к усилению индустриализации программ селекции растений среди основных культур, таких как кукуруза, соя, хлопок ( Gossypium hirsutum ) и пшеница (Johnson). , 2007). Там, где это было принято в компаниях, баланс может быть в пользу биотехнологии, а не QTL для улучшения сложных признаков, несмотря на более высокие затраты на разработку продукта, потому что трансгенные вещества могут быть разработаны для получения более сильных, даже драматических фенотипических эффектов, и часто могут быть более быстро развернуты в масштабах предприятия. более широкий спектр зародышевой плазмы, что приводит к более быстрому нахождению новых решений.

    Хотя молекулярная селекция в настоящее время считается важным компонентом текущих усилий крупных компаний по улучшению сельскохозяйственных культур, широкая применимость современных молекулярных подходов к традиционной селекции растений остается предметом споров среди некоторых практикующих селекционеров в государственном секторе, особенно для второстепенных культур (например, Гептс, 2002; Гудман, 2004). В дополнение к действительным научным и экономическим факторам, которые задержали или помешали принятию молекулярных подходов для достижения некоторых целей селекции растений, есть по крайней мере три дополнительные причины, способствующие этой точке зрения.Во-первых, молекулярная селекция растений требует обучения и опыта как в молекулярной биологии, так и в селекции растений. Образовательные усилия, обеспечивающие такую ​​междисциплинарную подготовку, были первоначально предприняты в начале 1990-х годов, но до сих пор остаются ограниченными относительно небольшой группой академических учреждений с историческими преимуществами в области селекции растений (Guner and Wehner, 2003; Gepts and Hancock, 2006; Guimarães and Kueneman, 2006). Второй причиной снижения энтузиазма некоторых селекционеров в отношении использования биотехнологии являются проблемы с принятием трансгенных культур некоторыми правительствами и группами потребителей, примером чего является откладывание на полку сортов пшеницы с трансгенами устойчивости к глифосатным гербицидам (Sokstad, 2004).Наконец, волнение по поводу потенциала молекулярной селекции растений также стимулировало перераспределение финансирования в государственных учреждениях для повышения интеллектуального потенциала и инфраструктуры для исследований в области молекулярной генетики и геномики, что по иронии судьбы часто происходило за счет традиционной селекции растений (Knight, 2003). Этот акцент, возможно, был временно необходим для создания основ биологии растений 21 века, но в настоящее время растет признание того, что для полной реализации потенциала недавних достижений необходимо увеличение инвестиций в возможности селекции растений и трансляционные исследования, связывающие молекулярные методы с задачами селекции. в области биотехнологии и геномики (Гимарайнс и Куенеман, 2006 г.; Национальный исследовательский совет, 2008 г.).

    Селекция растений — обзор

    5 Культуры, созданные для улучшения питания

    Биотехнология и селекция растений идут рука об руку для создания новых сортов сельскохозяйственных культур, которые не только придают устойчивость или защиту от вредителей, но также имеют улучшения питания. Такие культуры, как рис, пшеница и бобовые, которые являются основным продуктом питания во всем мире; улучшение питания может быть благом для развивающихся и слаборазвитых стран (Hefferon, 2015). Хотя было предпринято несколько попыток путем биообогащения продуктов питания повысить питательную ценность некоторых культур, таких как пшеница, рис, бобовые и т. д.но он не предложил большинству населения какого-либо заметного источника биообогащенных пищевых продуктов. Кроме того, включение дополнительных питательных веществ посредством биообогащения имеет ряд ограничений, таких как иммобилизация таких минералов в почве, неправильное обогащение различных растений, неправильное распределение конкретной целевой молекулы в желаемой ткани и т.  д. (Hefferon, 2015). Следовательно, использование биотехнологических инструментов для постоянной установки дополнительного гена питательных веществ в геном растения может предложить решение большинства упомянутых ранее проблем.Создание трансгенных культур со встроенным геном для естественного увеличения или индукции производства определенной молекулы, витамина или минерала, скорее всего, будет рентабельным, надежным и легко адаптируемым. Использование трансгенных растений для улучшения питательных свойств объясняет второе поколение ГМ-культур, первым из которых являются ГМС для устойчивости к вредителям и гербицидам.

    ГМ-культуры с повышенным содержанием витамина А в зерновых культурах, особенно в пшенице, рисе и кукурузе, которые являются основными продовольственными культурами в некоторых странах Африки и Южной Азии, могут существенно снизить смертность из-за дефицита витамина А.Внедрение золотого риса в 2000 году ознаменовало новую эру GMC с повышенным содержанием питательных веществ. Рис является основной продовольственной культурой во всем мире, поэтому включение полных генов пути синтеза бета-каротина в эндосперм риса было направлено на решение серьезной проблемы дефицита витамина А в нескольких неразвитых и развивающихся странах (Ye et al., 2000). Гены фитоенсинтазы ( psy ) и ликопинбетациклазы были получены из растения Narcissus pseudonarcissus , а фитоендесатураза из бактерии Erwinia uredovora была слита вместе в геном риса (Beyer et al., 2002). Тем не менее, введение золотого риса, как и любых других ГМЦ, застопорилось до его выпуска на коммерческий рынок, если только исследователи не доказали его повышенную пользу для существующих сортов и безопасность потребления человеком. Тем не менее, до коммерческого выпуска золотого риса Пейн и др. разработали другой сорт Золотой рис 2. (2005). Этот сорт может синтезировать в 23 раза больше бета-каротина за счет включения фитоенсинтазы кукурузы в дополнение к гену каротиндесатуразы E. uredovora золотого риса.Сорт риса Golden был одобрен Австралией, Новой Зеландией, Канадой и США (Lynas, 2018). Кроме того, Филиппины также одобрили использование золотого риса GR2E для производства продуктов питания или переработки в 2019 году (www.irri.org) (IRRI, 2019). Рис также был разработан с биообогащением железом. Гото и др. (1999) преобразовали геном риса для улучшения содержания железа (Fe) в семенах риса. Улучшенный трансгенный рис был получен путем слияния гена ферритина Soyferh2 , полученного из соевых бобов, с промотором глютелина, специфичным для эндосперма риса, для увеличения накопления Fe в семенах риса.Экспрессия гена ферритина в семенах риса увеличивала накопление Fe наряду с концентрацией Zn. Трансгенный рис также сохранял питательные качества даже после полировки зерна (Vasconcelos et al., 2003). Тем не менее, выпуск обогащенного риса по-прежнему ожидается на мировом рынке из-за продолжающегося частичного признания золотого риса во всем мире (De-Xian Kok et al. , 2018).

    Урожай кукурузы также был недавно обработан для повышения содержания витамина А в зернах кукурузы, поскольку кукуруза также является одной из важных основных зерновых культур во всем мире.Трансгенная кукуруза также была разработана с введением аналогичной конструкции гена (генов) для гена CrtB (фитоенсинтазы) и гена CrtI (каротиндесатуразы) для улучшения содержания бета-каротина в кукурузе, повышения его концентрации в 34 раза. (Алуру и др., 2008 г.). Кроме того, трансгенная кукуруза, экспрессирующая комбинацию путей метаболизма витаминов, была генетически модифицирована для улучшения содержания бета-каротина в 169 раз, увеличения содержания аскорбата в 6 раз и удвоения накопления фолиевой кислоты в эндосперме кукурузы (Naqvi et al., 2009 г.). Точно так же была разработана трансгенная пшеница Triticum aestivum , экспрессирующая CrtB и CrtI , которые увеличивают содержание бета-каротина в 65 раз (Wang et al., 2014). Картофель является основным источником углеводов во всем мире, и он составляет неотъемлемую часть основного рациона питания лишь в нескольких странах. Клубни картофеля имеют низкое содержание бета-каротиноидов. ГМ-картофель с 14-кратно повышенным содержанием бета-каротина был получен путем подавления LCY-e , гена биосинтеза лютеина, который перенаправляет усиленное производство бета-каротина (Diretto et al., 2007 г.). Ген бактериальной фитоенсинтазы также был экспрессирован в семенах канолы с 50-кратным увеличением содержания каротиноидов (Шьюмейкер и др., 1999). Гены фитоенсинтазы стручкового перца и каротиндесатуразы пути биосинтеза каротиноидов из Pantoea были сверхэкспрессированы в сое, что привело к увеличению производства каротиноидов в 62 раза (Kim et al., 2012). Позже было продемонстрировано, что трансгенные семена сои также накапливали больше олеиновой кислоты и белка семян (Schmidt et al., 2015).Плоды помидоров также были разработаны для повышения уровня антоцианов, которые являются мощными антиоксидантами. Трансгенные растения томатов экспрессировали два фактора транскрипции львиного зева ( Antirrhinum majus ), bHLH и MYB (Butelli et al. , 2008), в то время как другие трансгенные линии томатов были трансформированы фактором транскрипции MYB75/PAP1 (ПРОИЗВОДСТВО АНТОЦИАНИНОВОГО ПИГМЕНТА 1). выделен из Arabidopsis для увеличения содержания антоцианов во фруктах (Zuluaga et al., 2008). В помидорах также проводились эксперименты по увеличению содержания изофлавонов.Трансген изофлавонсинтазы в томат был введен из сои (Shih et al., 2008). Однако ни одна культура с модифицированным бета-каротином или поливитаминами не была выпущена для коммерческого выращивания во всем мире (Lee, 2017).

    Фолиевая кислота является важным витамином для питания человека, который в основном получают из растительных источников. Однако важные овощи обычно имеют более низкую концентрацию этого витамина. Следовательно, томат, важный овощ, был сконструирован для улучшения содержания фолиевой кислоты за счет сверхэкспрессии синтетического гена циклогидролазы I млекопитающих ( GTPCHI ) и аминодезоксихоризматсинтазы ( ADCS ) из Arabidopsis , тем самым увеличивая содержание фолиевой кислоты в 25 раз в томатные плоды (де ла Гарса и др. , 2004; де ла Гарса и др., 2007 г.). Позже семена риса были биообогащены повышенным содержанием фолиевой кислоты путем создания генов Arabidopsis , GTPCHI и ADCS с их специфичной для семян гиперэкспрессией (Стороженко и др., 2007). Социально-экономический барьер еще не одобрил коммерческий выпуск каких-либо ГМК, обогащенных фолиевой кислотой, для коммерческого выращивания (Blancquaert et al., 2014). С культурами, такими как соя, также проводились эксперименты с инженерией, чтобы увеличить легкодоступный активный α-токоферол в семенах из-за высокой съедобности во всем мире.Соя была трансформирована путем сверхэкспрессии гена гамма-токоферолметилтрансферазы, выделенного из Perilla frutescens , с 10,4-кратным увеличением содержания α-токоферола (Tavva et al., 2007). Ранее аналогичный ген из Arabidopsis был также сконструирован в салате для увеличения содержания токоферола (Cho et al., 2005). Однако результаты полевых испытаний GMC с улучшенными добавками витамина E не соответствовали в достаточной степени результатам не-GMC (Harrigan and Harrison, 2012).

    Незаменимые аминокислоты (EAA) не могут быть синтезированы человеческим организмом, поэтому растения остаются основным источником получения EAA.Большинство основных зерновых культур имеют более низкое содержание лизина и треонина, в то время как в большинстве бобовых отсутствуют серосодержащие аминокислоты, а именно метионин, цистеин и триптофан. Следовательно, ГМ-растения с более высоким содержанием одной или другой незаменимой аминокислоты могут быть важным источником улучшения основного рациона. Давным-давно, во время появления ГМ-технологии, семена риса были сконструированы с добавлением легумина гороха и белка β-фазеолина ( Phaseolus vulgaris ), что улучшило аминокислотный состав семян риса (Zheng et al., 1995 г.; Синдху и др., 1997 г.; Штёгер и др., 2001). Содержание лизина в злаках, как и в кукурузе, было улучшено с помощью традиционной селекции растений путем создания мутантов opaque2 в качестве качественной белковой кукурузы (QPM). QPM широко культивируется, и для повышения урожайности QPM было использовано несколько улучшенных методов селекции. Однако QPM не является ГМО-кукурузой и имеет несколько ограничений (Zarkadas et al., 2000; Gibbon and Larkins, 2005). Генная инженерия также использовалась для разработки улучшенных злаков, таких как кукуруза, с более высоким содержанием лизина, путем вставки бактериальной дигидродипиколинатсинтазы ( DHDPS ), гена dapA из Corynebacterium glutamicum (Глава, 2008).Сорт кукурузы с высоким содержанием лизина LY038, ГМ-кукуруза, был выпущен в нескольких странах (Wang and Galili, 2016). Также сообщалось о сорте риса с более высоким содержанием лизина, который содержит бактериальную аспартаткиназу и дигидродипиколинатсинтазу, одновременно снижая активность лизинкетоглутаратредуктазы/сахаропиндегидрогеназы. Строгий отбор трансгенной линии сорта риса, экспрессирующего эти гены, показал 25-кратное увеличение количества свободного лизина (Long et al., 2013; Yang et al., 2016).Для повышения уровня триптофана растения картофеля трансформировали геном риса OASA1D , так как злаки от природы богаты триптофаном. Его экспрессия повышала содержание свободного триптофана в 2–20 раз в трансгенном картофеле (Matsuda et al., 2005).

    В связи с медленными темпами развития трансгенных растений, устойчивых к насекомым и гербицидам, ГМК для улучшения качества питания могут также повысить не только доход фермера, но и обеспечить устойчивый источник питания без необходимости приема дополнительных питательных добавок.Однако, в отличие от других GMC, растения с улучшенным содержанием питательных веществ медленнее внедряются, поскольку они создаются исключительно для потребления. Тем не менее, с появлением ГМ-кукурузы с более высоким содержанием лизина есть надежда, что вскоре на коммерческие рынки поступят и другие культуры.

    Инновации в селекции растений – Международная федерация семеноводства

    «Инновации в селекции растений» – это термин, который мы используем для описания постоянно развивающихся идей и практик, которые совершенствуют область селекции растений.Сегодняшние инновации в селекции растений разрабатываются с использованием сложной науки и технологий, включая клеточную биологию, картирование генов и селекцию с помощью маркеров.

    Новые методы селекции (NBT) и методы точной селекции (PBT) относятся к инструментам и методам, используемым для более точного и быстрого выведения новых сортов. Эти методы отражают научные открытия того времени. Например, в двадцатом веке возросшее понимание физиологии растений и молекулярной биологии ускорило создание новых сортов, чего, вероятно, не удалось бы достичь селекционерам, использующим только традиционную селекцию.Инновации двадцать первого века основаны на этих знаниях для создания сортов в ответ на экологические, сельскохозяйственные и социальные проблемы нашего времени. Инновации в селекции растений не могут и не заменят традиционные методы, они просто расширяют набор инструментов, доступных селекционерам.

    Благодаря инновациям мы можем производить улучшенные сорта, которые поддерживают и потенциально повышают урожайность и лучше приспособлены к болезням и последствиям изменения климата, таким как засуха или наводнения, поддерживая устойчивое сельское хозяйство и продовольственную безопасность.

    Преимущества

    «Семя — это жизнь» — девиз Международной федерации семян. Наше видение — это мир, в котором семена самого высокого качества доступны всем. Наша миссия состоит в содействии селекции растений и инновациям в области семян. Мы знаем, что выращивание лучших семян в конечном итоге улучшает жизнь.

    • Стабильная и повышенная урожайность: Семена, устойчивые к вредителям и болезням и способные противостоять воздействию изменения климата, обеспечивают фермерам более обильные и надежные урожаи.Семена, которые адаптированы к различным условиям окружающей среды и условиям выращивания, означают, что мы можем производить больше урожая с одной и той же земли.
    • Улучшенное питание: Благодаря инновациям в селекции растений фермеры могут выращивать сорта культур с высоким содержанием белка — недостаточное количество белка в рационе является важным фактором, способствующим недоеданию.
    • Улучшение качества продуктов питания: Благодаря инновациям в селекции растений продукты питания дольше остаются свежими. Многие виды фруктов и овощей легче транспортировать и хранить, что продлевает срок их хранения и сокращает количество пищевых отходов.

    Решения глобальных проблем регулирования селекции растений можно найти только при совместной работе всех заинтересованных сторон. По мере роста мировой торговли семенами растет потребность в согласованных критериях, определяющих, как регулируются продукты новейших методов селекции растений.

    В странах существует ряд различных систем для оценки и регулирования новых продуктов, поступающих на рынок, что может привести к торговым барьерам и снижению конкурентоспособности. Чтобы облегчить торговлю и перемещение семян по всему миру, нам нужно начать с равных условий игры.

    Ключевым вопросом для селекционеров во всем мире является обеспечение того, чтобы критерии, используемые для регулирования продуктов, разработанных с использованием новейших методов селекции растений, были одинаковыми во всех странах. Четкая государственная политика необходима для обеспечения того, чтобы использование этих методов селекции не останавливалось на стадии исследований и разработок.

    Author: alexxlab

    Добавить комментарий

    Ваш адрес email не будет опубликован.