Tối đa hóa hiệu quả chọn lọc giống bắp bằng sàng lọc di truyền của cả hệ gen
Nguồn: Sikiru Adeniyi Atanda, Michael Olsen, Juan Burgueño, Jose Crossa, Daniel Dzidzienyo, Yoseph Beyene, Manje Gowda, Kate Dreher, Xuecai Zhang, Boddupalli M. Prasanna, Pangirayi Tongoona, Eric Yirenkyi Danquah, Gbadebo Olaoye & Kelly R. Robbins. 2021. Maximizing efficiency of genomic selection in CIMMYT’s tropical maize breeding program. Theoretical and Applied Genetics January 2021, vol. 134:279–294.
Cơ sổ dữ lịệu của chương trình lai tạo giống bắp có thể được sử dụng một cách hiệu quả để cải tiến mức độ chính xác của sàng lọc hệ gen (genomic selection), đặc biệt là tập đoàn training set được tối ưu hóa thành những cá thể mang tính chất subset có nhiều thông tin di truyền nhất đối với tập đoàn target testing set. Chiến lược nghiên cứu hiện đại để nhà chọn giống thực hiện kỷ năng trên mức độ rộng về sàng lọc di truyền toàn bộ hệ gen (genomic selection: ký hiệu là GS), được thực hiện tại CIMMYT (International Maize and Wheat Improvement Center) bằng cách khảo sát những models sử dụng nguồn thông tin từ dòng con lai full-sibs theo bố trí thí nghiệm kiểu “test-half-predict-half approach.” Cho dù kết quả rất tốt, nhưng cách tiếp cận này cũng có những hạn chế nhất định, vì nó cần có những quần thể lớn full-sib và hạn chế khả năng rút ngắn thời gian khảo nghiệm giống, rút ngắn thời gian của những thế hệ con lai. Mục tiên nghiên cứu là xác định kiểu bố trí thí nghiệm tối hảo và kiểu tập đoàn training tối hảo để tối đa hóa giá trị chính xác trong dự đoán theo GS thuộc chương trình lai tạo giống bắp của CIMMYT. Tập đoàn training set (TS) được đánh giá để xác định sử dụng cơ sở dữ liệu kiểu hình sao cho đạt hiệu quả cao nhất đối với giá trị GP (genomic prediction) trên cơ sở dữ liệu bao gồm 849 (DS1) và 1389 (DS2) dòng đơn bội kép DH được đánh giá như thí nghiệm testcrosses vào năm 2017 và 2018, theo thứ tự. Có một kết quả tuyệt vời khi người ta sử dụng quần thể multiple bi-parental làm tập đoàn TS khi sàng lọc bằng các thuật toán để tối đa hóa các giá trị relatedness (từ họ hàng thân thuộc) giữa tập đoàn training và tập đoàn prediction. Theo chương trình cải tiến giống bắp này ở đó những thông tin số liệu trong quá khứ bị thất lạc hoặc không có đủ, người ta phải khai thác số liệu kiểu hình có trong quần thể bi-parental bằng cách chỉ đánh giá kiểu hình một số lượng nhỏ các dòng lấy ra từng mỗi quần thể con lai. Điều này đã cải thện đáng kể mức độ chính xác giá trị dự đoán so với phương pháp dự đoán trong cùng một quần thể (within-population prediction), đặc biệt khi tập đoàn TS dùng trong dự đoán full-sib có quy mô nhỏ. Cuối cùng, người ta chứng minh được giá trị chính xác của dự đoán dùng cho cả phương pháp sparse testing hoặc “test-half-predict-half” được cải thiện rất nhiều bằng cách tối ưu hóa những dòng con lai trồng ngoài ruộng để đánh giá kiểu hình, và dòng con lai chỉ được đánh giá kiểu gen để ghi nhận sự tiến bộ trên cơ sớ sàng lọc di truyền toàn bộ hệ gen GP. Xem: https://link.springer.com/article/10.1007/s00122-020-03696-9