为了加快基因组选择(GS)在作物育种中的应用，同时降低品系和杂交种开发的成本，本文研究了GS和高通量表型(HTP)在植物育种早期中的联合应用。此外，还利用基因库研究了GS在种质改良和预育种中的应用。
基因组选择(GS)促进了优良基因型的快速选择和加速育种周期。在随机交叉验证的基础上，对两种谷类作物和两种豆类作物的GP模型和方法的准确性进行了检验。将GS应用于玉米育种取得了明显的遗传收益。
在育种周期的早期阶段进行早期遗传预测是提高遗传收益的重要手段。在使用高通量表型(HTP)平台的同时，使用包含预测性状的多变量基于系谱的预测模型，为在早期世代测试中预测家族间和家族内的粮食产量提供了一种低成本的解决方案。
Univariate and multivariate prediction accuracies across-environment, with and without correcting for days to heading. Acrossenvironment prediction accuracies from models using pedigree (A) and genomic (G) relationship are shown for each of the fifive environments, and for the average accuracy across all environments. For each environment, the training set used in prediction contained data from all environments except the environment of interest. Yellow, accuracies from univariate models (UV); red, accuracies from multivariate models (MV) where secondary trait data were from one replicate; blue, accuracies from MV models where secondary trait data were from three replicates. The fifirst row of bar plots shows accuracies without correcting for days to heading (uncorrected), and the second row of bar plots shows accuracies with correcting for days to heading (corrected). SE is shown with error bars, and accuracy values are printed above each bar.
开发统计模型来评估高光谱波段与环境相互作用的HTP，尽管GP的精度不高，但是观测到高光谱波段与环境交互作用，这表明GS与HTP结合可以作为一种强大的工具，应用于大量候选物种的早期测试。
02 探索GS在预育种基因库建设中的应用研究人员对来自CIMMYT基因库的8416份墨西哥小麦地方品种和2403份伊朗小麦地方品种的GP准确性进行了检测，结果表明，相对较高的预测精度有助于育种者导入有用的遗传变异。
根据GP的结果，推测了在种质改良中的作用，即可以加速基因从基因库到优良品系的流动。
统计模型在大范围的高光谱图像技术中用于HTP，连同基因组和系谱信息在早期测试中，为通过选择质量来加速遗传收益提供了一个契机。使用神经网络的深度机器学习方法似乎有望提高基因组预测的准确性。与纯种育种和 MAS 相比，基因组选择在提高复杂性状的遗传收益方面具有明显的优势。基因分型平台与精确表型平台的适当使用也将有助于提高预测的准确性，并通过缩短育种周期来加速遗传收益。进一步的研究需要将GS 和HTP作为植物育种计划中的常规成分。
开发基因库的GP模型对于获取未开发的多样性和快速将有用的部分纳入育种计划非常重要。GS是目前最有希望加快新基因型开发和释放的育种方法；因此，在丰富的基因库资源中利用GS 形成基因库和群体值得广泛深入研究，特别是考虑到优质系和杂交种对严重气候变化影响的脆弱性。
来源：
https://www.cell.com/trends/plant-science/fulltext/S1360-1385(17)30184-X
责任编辑：
