View Project

Norwegian AI Directory

Genomic tools for improving yield and forage quality in timothy (Phleum pratense L.)


Description:

Hovedmålet med dette prosjektet er å utvikle genomisk seleksjonsmetodikk for foredling av timotei. Fôr av timotei er en av de viktigste innsatsfaktorene i norsk landbruk. I prosjektet vil DNA-sekvensering, bioinformatikk og statistiske metoder bli benyttet for å utvikle verktøy som er nødvendig for å implementere genomisk seleksjon (GS) i timoteiforedlingsprogrammet til Graminor, industripartneren i prosjektet. GS er en metode som gjør det mulig å gjøre utvalg av foreldreplanter til kryssinger på basis av genotypisk verdi, målt ved hjelp av genetiske markører, i stedet for tradisjonelt basert på fenotypeverdier. I de tidligere framdriftsrapportene har vi rapportert beregnede arvbarheter, bias og nøyaktighet for alle avlingsdata i treningspopulasjonen. Treningspopulasjonen består av 720 fullsøskenfamilier testet i 3-årige feltforsøk, sådd to ganger i påfølgende år på 2-3 steder i Norge (Løken, Staur og Vågønes 2003-2005; Løken, Vågønes og Arneberg (Graminor) 2006; og Løken and Arneberg 2007-2012). Et generelt resultat er at GEBV (Genomic Estimated Breeding Value) prediksjonene for avling har høy korrelasjon med de observerte avlingsdata, de har liten bias og, som forventet, moderate arvbarheter. GEBVer estimert i treningspopulasjonen ved hjelp av gBLUP (genomic-Best-Linear-Unbiased-Predictor) modeller er sammenliknet med prediksjoner basert på avanserte maskinlæringsmodeller som Reproducing Kernel Hilbert Space (RKHS) i samarbeid med Dr. Jose Crossa, CIMMYT, Mexico. Avlingsdata som tørrstoffavling (kg tørrstoff/slått/år), og total tørrstoffavling (sum kg tørrstoff/år og over år) har sammenliknbare nøyaktigheter (0.950 til 0.997) både ved gBLUP og RKHS. GS modellene for avling estimert i treningspopulasjonen har blitt implementert i valideringspopulasjonen for prediksjon av GEBVer. Valideringspopulasjonen består av 213 fullsøskefamilier (FS) som ble høstet i 2016, 2017 og 2018 (3 års avlingsdata) på Bjørke (Graminor) og Løken. De estimerte GEBVer for avling i valideringspopulasjonen er korrelert med de observerte avlingsdataene for å kryssjekke hvor effektive GS modellene er. Noen egenskaper så som KGDM201 (tørrstoffavling i første slått, andre høsteår) og SUMDM2 (total tørrstoffavling over slåtter, andre høsteår) har korrelasjoner på henholdsvis 0,45 og 0,29. For andre egenskaper er korrelasjonene svært lave. Vi arbeider med å finne ut årsaken til de lave korrelasjonene. De er imidlertid sammenliknbare med tilsvarende studier av genomisk seleksjon i andre fôrgrasarter, f.eks. flerårig raigras. I inneværende rapporteringsperiode har vi utviklet et nytt SNP markørsett (180 000 SNPer) ved hjelp av et ufullstendig referansegenom av timotei utviklet ved bruk av Oxford Nanopore Sequencing Technology (internt NMBU). Disse nye SNP-markørene blir brukt til å estimere GEBV-er for avling og kvalitet ved bruk av de samme prediksjonsmodellene som ble utviklet og anvendt for det første SNP-markørsettet. Dette markørsettet var basert på en de novo sammenstilling av genomet, dvs. et genom generert ut fra korte sekvenser og med lav presisjon. Vi forventer at det nye SNP markørsettet vil forbedre sammenhengen mellom de predikerte avlsverdiene og de observerte avlings- og kvalitetsdataene. Resultatene av disse analysene vil bli publisert etter i løpet av det kommende året.


Project leader: Odd Arne Rognli

Started: 2016

Ends: 2020

Category: Universiteter

Sector: UoH-sektor

Budget: 1749095

Institution: NORGES MILJØ- OG BIOVITENSKAPELIGE UNIVERSITET (NMBU)

Address: NA