ПРИМЕНЕНИЕ МЕТОДА ГЕНОМНОЙ СЕЛЕКЦИИ НА ПШЕНИЦЕ

Ввиду ожидаемой разработки тысяч молекулярных маркеров для большинства культур сместились акценты в теории MAS-селекции (маркер-опосредованной селекции) от маркирования определенных QTL (локусов количественных признаков) несколькими маркерами в сторону так называемой геномной селекции с помощью большого числа маркеров, покрывающих весь геном. Наборы маркеров, покрывающие геном, уже используются для анализа ассоциаций между полиморфизмами по маркерам и признаками (качественными или количественными). При этом обязательным является условие, чтобы ген (или QTL) находился в достаточном неравновесии по сцеплению (LD) с прилегающими к нему маркерами, используемыми для генотипирования. Величина LD варьирует от вида к виду и зависит от типа генетического материала. Так, сообщалось, что при анализе самоопыляющихся видов (особенно селекционных линий таких видов) величина LD составляет до 1 сМ и более. При таких условиях для предсказания селекционной ценности признака можно использовать маркеры, не прибегая к анализу локусов количественных признаков. Используя DArT-маркеры на селекционном материале INRA, мы демонстрируем пример применения метода геномной селекции в качестве альтернативы традиционному подходу, основанному на фенотипической оценке. В исследовании проводится оценка возможности использования различных моделей («GBLUP», «Ridge Regression BLUP», «Bayesian Ridge Regression» и «Lasso») для предсказания урожайности генотипов, оцененных в широкой сети испытательных участков с 2000 по 2009 гг. С учетом небольшого размера обучающей популяции в ходе перекрестной проверки получены удовлетворительные предсказательные коэффициенты.

1. Balding D.J., Bishop M., Cannings C. Handbook of Statistical Genetics. Chichester, UK: John Wiley and Sons Eds, 2007. V. 2. P. 919–921.

2. Bernardo R., Moreau L., Charcosset A. Number and fi tness of selected individuals in marker-assisted and phenotypic recurrent selection // Crop Sci. 2006. V. 46. P. 1972–1980.

3. Bernardo R., Yu J.M. Prospects for genomewide selection for quantitative traits in maize // Crop Sci. 2007. V. 47. P. 1082–1090.

4. Blanc G., Charcosset A., Veyrieras J.B. et al. Marker-assisted selection effi ciency in multiple connected populations: a simulation study based on the results of a QTL detection experiment in maize // Euphytica. 2008. V. 161. P. 71–84.

5. Complementary strategies to raise wheat yield potential // Proc. Symp. Complementary strategies to raise wheat yield potential, CIMMYT headquarters / Eds M. Reynolds, D. Eaton. 10–13 November 2009. Mexico: CIMMYT, 2009. 33 p.

6. Coster A. Package ‘pedigree’. 2010. Available at http://cran.r-project.org/web/packages/pedigree/pedigree.pdf

7. Crossa J., de los Campos G., Pérez P. et al. Prediction of genetic values of quantitative traits in plant breeding using pedigree and molecular markers // Genetics. 2010. V. 186. P. 713–724.

8. De los Campos G., Pérez P. The Bayesian Linear Regression Package V.1.2. 2010. Available at http://cran.r-project. org/web/packages/BLR/index.html.

9. Eathington S.R., Crosbie T.M., Edwards M.D. et al. Molecular markers in a commercial breeding program // Crop Sci. 2007. V. 47. P. 154–163.

10. FAO. World Agriculture: Towards 2015/2030. Roma: FAO, 2002. 77 p.

11. Gimelfarb A., Lande R. Simulation of marker assisted selection in hybrid populations // Genet. Res. 1994. V. 63. P. 39–47.

12. Goddard M.E., Hayes B.J. Genomic selection // J. Anim. Breed. Genet. 2007. V. 124. P. 323–330.

13. Hayes B.J., Bowman P.J., Chamberlain A.J., Goddard M.E. Genomic selection in dairy cattle: Progress and challenges: Invited review // J. Dairy Sci. 2009. V. 92. V. 433–443.

14. Heffner E.L., Sorrells M.E., Jannink J.L. Genomic selection for crop improvement // Crop Sci. 2009. V. 49. P. 1–12.

15. Heffner E.L., Lorenz A.J., Jannink J.-L. Sorrells M.E. Plant breeding with genomic selection: gain per unit time and cost // Crop Sci. 2010. V. 50. P. 1681–1690.

16. Henderson C.R. Best linear unbiased estimation and prediction under a selection model // Biometrics. 1975. V. 31. P. 423–444.

17. Hospital F., Moreau L., Lacoudre F. et al. More on the effi ciency of marker-assisted selection // Theor. Appl. Genet. 1997. V. 95. P. 1181–1189.

18. Iwata H., Jannink J.L. Accuracy of genomic selection prediction in barley breeding programs: a simulation study based on the real single nucleotide polymorphism data of barley breeding lines // Crop Sci. 2011. V. 51. P. 1915–1927.

19. Jannink J.L., Lorenz A.J., Iwata H. Genomic selection in plant breeding: from theory to practice // Brief. Funct. Genom. Proteom. 2010. V. 9. P. 166–177.

20. Lande R., Thompson R. Effi ciency of marker-assisted selection in the improvement of quantitative traits // Genetics. 1990. V. 124. P. 743–756.

21. Lorenzana R.E., Bernardo R. Accuracy of genotypic value predictions for marker-based selection in biparental plant populations // Theor. Appl. Genet. 2009. V. 120. P. 151–161.

22. Meuwissen T.H.E., Hayes B., Goddard M.E. Prediction of total genetic value using genome-wide dense marker maps // Genetics. 2001. V. 157. P. 1819–1829.

23. Moreau L., Charcosset A., Hospital F., Gallais A. Marker-assisted selection effi ciency in populations of fi nite size // Genetics. 1998. V. 148. P. 1353–1365.

24. Pérez P., de los Campos G., Crossa J., Gianola D. Genomicenabled prediction based on molecular markers and pedigree using the BLR package in R // Plant Genome. 2010. V. 3. P. 106–116.

25. Piepho H.P. Ridge regression and extensions for genomewide selection in maize // Crop Sci. 2009. V. 49. P. 1165–1175.

26. R Development Core Team. R: a language and environment for statistical computing. Vienna: R foundation for statistical computing, 2011. Available at http://www.R-project.org.

27. Wheat Facts and Futures / Eds J. Dixon, H.J. Braun, P. Kosina, J. Crouch. Mexico, D.F.: CIMMYT, 2009. 95 p.

28. Whittaker J.C., Thompson R., Denham M.C. Marker-assisted selection using ridge regression // Genet. Res. 2000. V. 75. P. 249–252.

29. Zhong S.Q., Dekkers J.C.M., Fernando R.L., Janink J.L. Factors affecting accuracy from genomic selection in populations derived from multiple inbred lines: A barley case study // Genetics. 2009. V. 182. P. 355–364.