Beltville, Maryland
April 16, 2012
A U.S. Department of Agriculture (USDA) scientist has shown researchers and plant breeders a better way to handle the massive amounts of data being generated by plant molecular studies, using an approach that should help speed up development of improved crop varieties.
Jean-Luc Jannink, who is with the Agricultural Research Service (ARS) Plant, Soil and Nutrition Research Unit at the agency's Robert W. Holley Center for Agriculture and Health, in Ithaca, N.Y., has demonstrated that by using a statistical approach known as Genomic Selection (GS), scientists can capture and exploit more of the data produced by the growing number of studies focused on DNA sequences found in plant genomes. GS is currently used in cattle breeding.
ARS is the principal intramural scientific research agency in USDA. This research supports the USDA priorities of improving agricultural sustainability and promoting international food security.
Scientists and plant breeders increasingly use molecular tools to develop improved crop varieties. By identifying genes associated with desirable traits, they don't have to wait to observe crops grown from seeds.
But molecular tools require analyzing massive amounts of data, and important traits like drought tolerance and yield are the result of the combined actions of multiple genes, each with a small effect. These genes are called quantitative trait loci (QTLs), and the conventional Marker-Assisted Selection (MAS) approach to handling molecular data has limited power to detect small-effect QTLs and estimate their effects.
Jannink's recommended GS approach exploits more data by including all of the small-effect QTLs and estimating the effects of all of the known genetic markers in a plant population.
Jannink and his colleagues recently constructed statistical models, using both GS and MAS approaches, and compared how well they could predict values associated with 13 agronomic traits in crosses made from a "training population" assembled for the study. They gauged the model's accuracy by comparing their predictions with field observations of 374 lines of wheat.
The results showed the GS approach was more accurate at predicting trait values. Jannink had similar success in a study using oats. Both studies were published in The Plant Genome. The work is expected to speed up molecular breeding efforts and should prove extremely useful, given the pace of advances in DNA technology.
Read more about this research in the April 2012 issue of Agricultural Research magazine.
Photo: Wheat seed heads. Photo by Doug Wilson.
Un nuevo enfoque de la crianza de plantas
Un científico del Servicio de Investigación Agrícola (ARS) está demostrando una mejor manera de manejar las cantidades enormes de datos generados por los estudios moleculares de plantas, utilizando un enfoque que podría acelerar el desarrollo de nuevas variedades mejoradas de plantas.
Jean-Luc Jannink, quien trabaja en la Unidad de Investigación de Plantas, Suelo y Nutrición en el Centro Robert W. Holley de Agricultura y Salud mantenido por el ARS en Ithaca, Nueva York, ha demostrado que se puede usar un enfoque estadístico llamado la selección genómica (GS) para capturar y explotar más de los datos producidos por los estudios que se centran en las secuencias de ADN en el genoma de plantas. La selección genómica se usa actualmente para la crianza del ganado bovino.
ARS es la agencia principal de investigaciones científicas del Departamento de Agricultura de EE.UU. (USDA por sus siglas en inglés). Esta investigación apoya las prioridades del USDA de promover la sostenibilidad de agricultura y promover la seguridad alimentaria internacional.
Los científicos y los criadores de plantas ahora usan herramientas moleculares para desarrollar variedades mejoradas de cultivos. Con la capacidad de identificar los genes asociados con los rasgos deseados, los investigadores no tienen que esperar para observar los cultivos producidos de las semillas.
Pero las herramientas moleculares requieren el análisis de cantidades enormes de datos, y los rasgos importantes tales como la tolerancia a la sequía y los rendimientos altos son los resultados de las acciones de combinaciones de genes, cado uno de los cuales contribuyen un pequeño efecto. Estos genes se llaman los loci de rasgos cuantitativos (QTLs), y el enfoque convencional de selección asistida por marcadores (MAS) para manejar los datos moleculares tiene solamente una capacidad limitada de detectar los QTLs de pequeño efecto y calcular sus efectos.
El enfoque de GS explota más datos incluyendo todos de los QTLS de pequeño efecto y calculando los efectos de todos de los marcadores genéticos en una población de plantas.
Jannick y sus colegas recientemente construyeron modelos estadísticos utilizando ambos GS y MAS, y compararon su capacidad de predecir los valores asociados con 13 rasgos agronómicos en cruces creados de una población de plantas juntadas para el estudio. Ellos evaluaron la precisión del modelo comparando sus predicciones con las observaciones de campo de 374 líneas de trigo.
Los resultados demostraron que el enfoque de GS fue más preciso en predecir los valores de los rasgos. Jannink tuvo un éxito similar en un estudio con avena. Los resultados de ambos estudios fueron publicados en la revista 'Plant Genome' (Genoma de Plantas). Estos resultados podrían acelerar los esfuerzos de la crianza molecular de plantas y podrían ser muy útiles en los avances de la tecnología de ADN.
Lea más sobre esta investigación en la revista 'Agricultural Research' de abril del 2012.
Topics
Species
