El ajuste fino de los loci de rasgos cuantitativos identificados en la población F inmortalizada es esencial para la predicción genómica del rendimiento híbrido en maíz
Autores: Wang, Pingxi; Ma, Xingye; Jin, Xining; Wu, Xiangyuan; Zhang, Xiaoxiang; Zhang, Huaisheng; Wang, Hui; Zhang, Hongwei; Fu, Junjie; Xie, Yuxin; Chen, Shilin
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
El ajuste fino de los loci de rasgos cuantitativos identificados en la población F inmortalizada es esencial para la predicción genómica del rendimiento híbrido en maíz
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Ciencias Agrícolas y Biológicas Generales
Palabras clave
Crianza de maíz
Vigor híbrido
Mapeo de QTL
Predicción genómica
Arquitectura de plantas
Ajuste fino de QTL
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 41
Citaciones: Sin citaciones
El mejoramiento del maíz se ve grandemente afectado por el vigor híbrido, un fenómeno en el que los híbridos muestran un rendimiento superior a las líneas parentales. La población F inmortalizada (IMF) es ideal para el análisis genético y la predicción del rendimiento híbrido. Aquí, en este estudio, llevamos a cabo el mapeo de QTL y la predicción genómica de seis rasgos relacionados con la arquitectura de la planta utilizando una población IMF. La heredabilidad en sentido amplio de estos rasgos varió de 0.85 a 0.94. El análisis de los efectos genéticos mostró que la varianza aditiva fue la principal contribuyente a las variaciones fenotípicas. El mapeo de loci de rasgos cuantitativos (QTL) reveló de 10 a 16 QTL (incluyendo loci pleiotrópicos y QTL epistáticos) para los seis rasgos. Además, identificamos 15 QTL de ajuste fino para la altura de la planta (PH). Para la predicción genómica (GP), el modelo de aditividad y dominancia (AD) mostró una mayor precisión de predicción que aquellos que ajustaban la capacidad de combinación general (GCA) y su combinación con la capacidad de combinación especial (SCA) para todos los rasgos probados. Y añadir el efecto de epistasis (E) al modelo AD no aumentó significativamente su precisión de predicción. Además, los 15 QTL de ajuste fino de PH identificados, que ejercieron grandes efectos de predicción genómica, fueron verificados por el efecto de marcador de GP. Nuestros resultados no solo proporcionan un enfoque para el mapeo fino de QTL de ajuste fino, sino que también sirven como referencias para el mejoramiento de GP en cultivos.
Descripción
El mejoramiento del maíz se ve grandemente afectado por el vigor híbrido, un fenómeno en el que los híbridos muestran un rendimiento superior a las líneas parentales. La población F inmortalizada (IMF) es ideal para el análisis genético y la predicción del rendimiento híbrido. Aquí, en este estudio, llevamos a cabo el mapeo de QTL y la predicción genómica de seis rasgos relacionados con la arquitectura de la planta utilizando una población IMF. La heredabilidad en sentido amplio de estos rasgos varió de 0.85 a 0.94. El análisis de los efectos genéticos mostró que la varianza aditiva fue la principal contribuyente a las variaciones fenotípicas. El mapeo de loci de rasgos cuantitativos (QTL) reveló de 10 a 16 QTL (incluyendo loci pleiotrópicos y QTL epistáticos) para los seis rasgos. Además, identificamos 15 QTL de ajuste fino para la altura de la planta (PH). Para la predicción genómica (GP), el modelo de aditividad y dominancia (AD) mostró una mayor precisión de predicción que aquellos que ajustaban la capacidad de combinación general (GCA) y su combinación con la capacidad de combinación especial (SCA) para todos los rasgos probados. Y añadir el efecto de epistasis (E) al modelo AD no aumentó significativamente su precisión de predicción. Además, los 15 QTL de ajuste fino de PH identificados, que ejercieron grandes efectos de predicción genómica, fueron verificados por el efecto de marcador de GP. Nuestros resultados no solo proporcionan un enfoque para el mapeo fino de QTL de ajuste fino, sino que también sirven como referencias para el mejoramiento de GP en cultivos.