Kernergebnis
Ein neues Forschungsprojekt zeigt, dass multivariate genomische Vorhersagemodelle die Ertragsleistung von Zwischenweizen (intermediate wheatgrass, IWG) deutlich verbessern können. Laut der im PLOS ONE veröffentlichen Studie übertrafen die besten multivariaten Modelle die besten univariaten Modelle um 23 Prozentpunkte, und die Schätzung des genetischen Fortschritts deutet auf eine Steigerung des Kornertrags um 20 kg ha⁻¹ pro Zuchtzyklus hin.
Hintergrund
Die Universität Minnesota domestiziert IWG seit 2011, wobei konventionelle Methoden mit modernen Züchtungswerkzeugen wie der genomischen Selektion kombiniert werden. Während internationale IWG‑Auswahlprogramme meist einzeln gepflanzte Genotypen umfassen, werden kommerzielle Felder für die Kornproduktion in Reihen als panmiktische Populationen angelegt.
Methodik
Die Studie bewertete genomische Vorhersagemodelle anhand von halbgeschwisterlichen Familien, die in Reihen über drei Jahre an zwei Standorten in Minnesota, Lamberton und St. Paul, angebaut wurden. Dabei wurden sowohl univariate als auch multivariate Modelle getestet, um Ertrag und agronomische Merkmale vorherzusagen.
Ergebnisse
Der stärkste gemessene Zusammenhang war ein negativer Korrelationskoeffizient von r = ‑0,49 zwischen der Pflanzenhöhe im Jahr 2023 in St. Paul und der Samengröße im Jahr 2022 am selben Standort. Die Umgebungen in St. Paul wiesen ähnliche Muster für Pflanzenhöhe und Samengröße auf, ebenso wie die Standorte in Lamberton, jedoch zeigte sich kein klarer Trend für den Kornertrag. Multivariate Modelle erzielten im Schnitt 23 Prozentpunkte höhere Vorhersagegenauigkeit als die besten univariaten Modelle, wobei kein einzelnes Modell alle Merkmale optimal vorhersagte.
Genetischer Fortschritt
Die Berechnungen der genetischen Fortschritte ergaben pro Zuchtzyklus eine erwartete Ertragssteigerung von 20 kg ha⁻¹ und eine Reduktion der Pflanzenhöhe um 3 cm. Diese Werte basieren auf den besten Modellen, die in den jeweiligen Testumgebungen identifiziert wurden.
Bedeutung für die Züchtung
Die Autoren betonen, dass die Kombination von Reihenpflanzungen zur Bewertung von IWG‑Sippen und der anschließenden genomischen Vorhersage ein effektiver Weg sein kann, um die gewünschten Merkmale schneller zu erreichen. Obwohl kein Modell alle Merkmale mit hoher Genauigkeit vorhersagt, liefert die multivariate Herangehensweise wertvolle Informationen für gezielte Züchtungsentscheidungen.
Ausblick
Zukünftige Forschungen sollen die Identifikation optimaler Modelkombinationen für einzelne Merkmale weiter vorantreiben und die Anwendung der Vorhersagemodelle auf breitere Umweltbedingungen prüfen. Damit könnte die Effizienz der IWG‑Züchtung weiter erhöht und die Verfügbarkeit von nachhaltigem Forstfutter gesteigert werden.
Dieser Bericht basiert auf Informationen von PLOS ONE, lizenziert unter Creative Commons BY 4.0 (Open Access). Wissenschaftliche Inhalte, offen zugänglich.
Ende der Uebertragung