基于多维组学数据的玉米农艺和品质性状预测研究

基因组选择是利用覆盖基因组的高密度标记对未知表型进行预测并选择的技术。在植物中,利用该技术可对不同作物性状进行早期选择,保留优势个体,节约田间管理和表型鉴定成本,大大加快育种进程。本研究使用rrBLUP和LASSO两种统计模型,基于基因组、转录组和代谢组数据对玉米的农艺性状和品质性状进行了基因组预测。研究发现,对于不同组学数据而言,其预测能力高低依次为基因组、转录组、代谢组数据。对于不同性状而言,品质性状的预测能力高于农艺性状。对于rrBLUP和LASSO两种模型而言,基于基因组数据预测时所有性状均是rrBLUP为最优预测模型;基于转录组数据预测时有53种性状是以rrBLUP为最佳预测模型, 2种性状以LASSO为最佳预测模型;基于代谢组数据,有43种性状以rrBLUP为最佳预测模型, 12种性状以LASSO为最佳预测模型。此外,还发现用不同系谱材料进行预测时,热带玉米预测温带玉米,其效果略优于温带玉米预测热带玉米。而对于品质性状,不同系谱间材料的预测精度高于同一系谱内。本研究系统评估了各种组学数据和不同统计模型对玉米农艺及品质性状预测能力的差异,为未来玉米重要性状的基因组育种提供了理论依据。