Áp dụng “multi-omics” để nghiên cứu di truyền cây bắp

 Áp dụng “multi-omics” để nghiên cứu di truyền cây bắp

Nguồn: Baber Ali, Bertrand Huguenin-Bizot, Maxime Laurent, François Chaumont, Laurie C. Maistriaux, Stéphane Nicolas, Hervé Duborjal, Claude Welcker, François Tardieu, Tristan Mary-Huard, Laurence Moreau, Alain Charcosset, Daniel Runcie & Renaud Rincent. 2024. High-dimensional multi-omics measured in controlled conditions are useful for maize platform and field trait predictions. Theoretical and Applied Genetics; July 2024; vol.137; article 175

 

Thông tin của “transcriptomics” và “proteomics” là nền tảng kiến thức có thể giúp chúng ta dự đoán được ảnh hưởng tính cộng (additive) và tính không cộng (non-additive) của tính trạng di truyền số lượng trên đồng ruộng.

 

Biến đổi khí hậu ảnh hưởng cây trồng thông qua stress khô hạn, nhiệt độ nóng, và những thay đổi bất thường của mùa vụ đe dọa đến sản lượng cây trồng trên toàn cầu. Khả năng của cơ sở dữ liệu  “multi-omics”, ví dụ như “transcripts” và “proteins”, phản ánh sự đáp ứng của cây trồng đối với các yếu tố khí hậu có thể được ghi nhận trong các mô hình dự đoán nhằm tối đa hóa nội dung cải tiến cây trồng. Thực hiện việc định tính “multi-omics” theo đánh giá ngoài đồng là thách thức vì chi phí rất lớn. Tuy nhiên, khả năng làm được việc đó trên những dòng giống cây trồng tham chiếu (reference genotypes) ở điều kiện ngoại cảnh được kiểm soát là khả thi. Sử dụng “omics” trên nền tảng đo lường được, người ta đã trắc nghiệm nhiều phương pháp tiếp cận khác nhau trên cơ sở “multi-omics”, thông qua mô phỏng toán MegaLMM  (high dimensional linear mixed model) nhằm dự đoán kiểu gen đối với tính trạng lý thuyết và tính trạng ở trên đồng ruộng với tập đoàn giống bắp gồm 244 dòng bắp lai (maize hybrids). Người ta giả định có hai kịch bản xảy ra: thứ nhất là tổ hợp ưu thế lai mới được dự đoán (CV-NH), và thứ hai là tổ hơi ưu thế lai quan sát được dự đoán (CV-POH). Trong cả hai kịch bản này, tất cả hybrids được định tính nhờ “omics” theo lý thuyết. Người ta thấy “omics” có thể dự đoán được cả hai ảnh hưởng tương tác gen cộng tính và gen không cộng tính đối với tất cả tính trạng, dẫn đến khả năng dự đoán chính xác hơn GBLUP. Nó nêu bật tính hiệu quả của chúng trong nắm bắt các quy trình điều tiết liên quan đến tăng trưởng Đối với những tính trạng trên đồng ruộng, người ta thấy thành phân gen cộng tính của “omics” chỉ cải thiện được một chút về khả năng dự đoán con lai ưu thế lai mới (new hybrids) (CV-NH, model MegaGAO) và đối với dự đoán con lai “partially observed hybrids” (CV-POH, model GAOxW-BLUP) khi so sánh với phân tích GBLUP. Kết luận: đo lường theo “omics” trên đồng ruộng sẽ rất đáng quan tâm trong dự đoán năng suất nếu chi phí của “omics” giảm xuống đáng kể.

 

Xem https://link.springer.com/article/10.1007/s00122-024-04679-w