Dòng bắp đơn bội kép lai testcross rút ngắn thời gian chọn lọc

 Dòng bắp đơn bội kép lai testcross rút ngắn thời gian chọn lọc

Nguồn: Nan Wang, Hui Wang, Ao Zhang, Yubo Liu, Diansi Yu, Zhuanfang Hao, Dan Ilut, Jeffrey C. Glaubitz, Yanxin Gao, Elizabeth Jones, Michael Olsen, Xinhai Li, Felix San Vicente, Boddupalli M. Prasanna, Jose Crossa, Paulino Pérez-Rodríguez & Xuecai Zhang. 2020. Genomic prediction across years in a maize doubled haploid breeding program to accelerate early-stage testcross testing. Theoretical and Applied Genetics; October 2020; volume 133:2869–2879.

Sàng lọc di truyền trong hệ gen cây bắp qua nhiều năm với quần thể training cung cấp cho chúng ta một cơ sở dữ liệu tốt có thể giúp nhà chọn giống thực hiện nhanh hơn early-stage testcross bỏ qua trắc nghiệm năng suất ở giai đoạn một, tiết kiệm thời gian và chi phí bởi phương pháp early-stage testcross testing. Công nghệ tạo dòng đơn bội kép (doubled haploid: DH) đã giúp nhà chọn giống bắp có thể ước đoán được các thông số di truyền về giá trị tuyển chọn (breeding values) của hàng ngìn dòng bắp DH mỗi năm. Trong phương pháp early-stage testcross testing, chỉ số GS (genomic selection) mở ra cơ hội để người ta cải tiến đánh giá kiểu hình trên nhiều địa điểm khác nhau, rất tốn tiền và thay thế chọn lọc kiểu hình truyền thống, với công nghệ genotyping rẻ tiền hơn và xem xét hệ gen bằng chỉ số GEBV (genotypic estimated breeding value) để sàng lọc di truyền con lai. Kết quả nghiên cứu này cho thấy có 1528 dòng bắp DH, được đánh giá kiểu hình trên nhiều môi trường khác nhau, liên tục suốt 3 năm; và phương pháp đánh giá kiểu gen với giá rẻ trên mỗi mẫu, bằng genotyping platform của kỹ thuật rAmpSeq, để khai thác làm thế nào thực hiện chỉ số GS nhằm thúc đầy early-stage testcross testing. Kết quả cho thấy: độ chính xác của dự đoán từ những CVS (cross-validation schemes) giá trị đạt trên 0,60 qua nhiều kịch bản (scenarios). Độ chính xác trung bình từ những validation schemes độc lập biến thiên từ 0,23 đến 0,32 qua tất cả scenarios. Bộ dữ liệu một năm được sử dụng cho quần thể TRN (training population) để dự đóan cơ sở dữ liệu năm cho quần thể TST (testing population). Mức chính xác biến thiên từ 0,31 đến 0,42 qua tất cả scenarios. Bộ dữ liệu 2 năm được dùng cho quần thể TRN. Mức độ chính xác biến thiên từ 0,50 đến 0,56, quần thể TRN có trong cơ sở dữ liệu hai năm và  50% cơ sở dữ liệu năm thứ ba chuyển TST thành TRN. Như vậy GS với cơ sở dữ liệu nhiều năm của quần thể TRN là cơ hội tốt để thúc đẩy phương pháp early-stage testcross testing nhờ bỏ qua khả nghiệm năng suất năm đầu tiên, tiết kiệm thời gian và chi phí đầu tư của phương pháp early-stage testcross testing. Xem: https://link.springer.com/article/10.1007/s00122-020-03638-5