Análisis multifactorial de un sistema de selección a nivel genómico en L
Autores: Tan, Wanqing; Wang, Zhiyuan; Wang, Jia; Bilgrami, Sayedehsaba; Liu, Liezhao
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Botánica
Palabras clave
Cultivos oleaginosos
Selección a nivel genómico
Rasgos fenotípicos
Glucosinolatos
Precisión de predicción
Densidades de marcadores
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 5
Citaciones: Sin citaciones
es uno de los cultivos oleaginosos más importantes. La rápida cría de genotipos excelentes es un aspecto importante de la cría. Como técnica de vanguardia y confiable, la selección genómica (SG) se ha utilizado ampliamente y está influenciada por muchos factores. En este estudio, se estudiaron diez rasgos fenotípicos de dos poblaciones, incluyendo ácido oleico (C18:1), ácido linoleico (C18:2), ácido linolénico (C18:3), glucosinolato (GSL), contenido de aceite de semilla (COS) y contenido de proteína de semilla (CPS), longitud de la vaina (LV), días hasta la floración inicial (DFI), días hasta la floración final (DFF) y el período de floración (PF). Se evaluaron los efectos de diferentes modelos de SG, densidades de marcadores, diseños de población y la inclusión de efectos no aditivos, SNPs específicos de rasgos y mutaciones perjudiciales en la SG. Los resultados destacan la superior precisión de predicción (PP) bajo el modelo RF. Entre los diez rasgos, la PP del glucosinolato fue la más alta, y la del ácido linolénico fue la más baja. Al mismo tiempo, 5000 marcadores y una población de 400 muestras, o una población de entrenamiento tres veces el tamaño de una población de cría aplicada, pueden lograr un rendimiento óptimo para la mayoría de los rasgos. La aplicación de efectos no aditivos y mutaciones perjudiciales tuvo un efecto débil en la mejora de rasgos con alta PP, pero fue efectiva para rasgos con baja PP. El uso de SNPs específicos de rasgos puede mejorar efectivamente la PP, especialmente al usar marcadores con valores p menores a 0.1. Además, encontramos que la PP de los rasgos estaba significativamente y positivamente correlacionada con el número de marcadores, de acuerdo con valores p menores a 0.01. En general, basado en la población asociada, se estableció un sistema de SG adecuado para este estudio, que puede proporcionar una referencia para la mejora de la SG y es propicio para la aplicación posterior de la SG, especialmente en los aspectos de selección de modelos de SG, la aplicación de marcadores y la configuración de tamaños de población.
Descripción
es uno de los cultivos oleaginosos más importantes. La rápida cría de genotipos excelentes es un aspecto importante de la cría. Como técnica de vanguardia y confiable, la selección genómica (SG) se ha utilizado ampliamente y está influenciada por muchos factores. En este estudio, se estudiaron diez rasgos fenotípicos de dos poblaciones, incluyendo ácido oleico (C18:1), ácido linoleico (C18:2), ácido linolénico (C18:3), glucosinolato (GSL), contenido de aceite de semilla (COS) y contenido de proteína de semilla (CPS), longitud de la vaina (LV), días hasta la floración inicial (DFI), días hasta la floración final (DFF) y el período de floración (PF). Se evaluaron los efectos de diferentes modelos de SG, densidades de marcadores, diseños de población y la inclusión de efectos no aditivos, SNPs específicos de rasgos y mutaciones perjudiciales en la SG. Los resultados destacan la superior precisión de predicción (PP) bajo el modelo RF. Entre los diez rasgos, la PP del glucosinolato fue la más alta, y la del ácido linolénico fue la más baja. Al mismo tiempo, 5000 marcadores y una población de 400 muestras, o una población de entrenamiento tres veces el tamaño de una población de cría aplicada, pueden lograr un rendimiento óptimo para la mayoría de los rasgos. La aplicación de efectos no aditivos y mutaciones perjudiciales tuvo un efecto débil en la mejora de rasgos con alta PP, pero fue efectiva para rasgos con baja PP. El uso de SNPs específicos de rasgos puede mejorar efectivamente la PP, especialmente al usar marcadores con valores p menores a 0.1. Además, encontramos que la PP de los rasgos estaba significativamente y positivamente correlacionada con el número de marcadores, de acuerdo con valores p menores a 0.01. En general, basado en la población asociada, se estableció un sistema de SG adecuado para este estudio, que puede proporcionar una referencia para la mejora de la SG y es propicio para la aplicación posterior de la SG, especialmente en los aspectos de selección de modelos de SG, la aplicación de marcadores y la configuración de tamaños de población.