文献

J-GLOBAL ID：201802277920428606   整理番号：18A0806689

ヒマワリ雑種油含量のゲノム予測【JST・京大機械翻訳】

Genomic Prediction of Sunflower Hybrids Oil Content

著者 (15件)： Mangin Brigitte (LIPM, Universite de Toulouse, INRA, Centre National de la Recherche Scientifique) ,  Bonnafous Fanny (LIPM, Universite de Toulouse, INRA, Centre National de la Recherche Scientifique) ,  Blanchet Nicolas (LIPM, Universite de Toulouse, INRA, Centre National de la Recherche Scientifique) ,  Boniface Marie-Claude (LIPM, Universite de Toulouse, INRA, Centre National de la Recherche Scientifique) ,  Bret-Mestries Emmanuelle (Terres Inovia, AGIR) ,  Carrere Sebastien (LIPM, Universite de Toulouse, INRA, Centre National de la Recherche Scientifique) ,  Cottret Ludovic (LIPM, Universite de Toulouse, INRA, Centre National de la Recherche Scientifique) ,  Legrand Ludovic (LIPM, Universite de Toulouse, INRA, Centre National de la Recherche Scientifique) ,  Marage Gwenola (LIPM, Universite de Toulouse, INRA, Centre National de la Recherche Scientifique) ,  Pegot-Espagnet Prune (LIPM, Universite de Toulouse, INRA, Centre National de la Recherche Scientifique) ,  Munos Stephane (LIPM, Universite de Toulouse, INRA, Centre National de la Recherche Scientifique) ,  Pouilly Nicolas (LIPM, Universite de Toulouse, INRA, Centre National de la Recherche Scientifique) ,  Vear Felicity (GDEC, INRA, Universite Clermont II Blaise Pascal) ,  Vincourt Patrick (LIPM, Universite de Toulouse, INRA, Centre National de la Recherche Scientifique) ,  Langlade Nicolas B. (LIPM, Universite de Toulouse, INRA, Centre National de la Recherche Scientifique)
資料名： Frontiers in Plant Science (Web)  (Frontiers in Plant Science (Web))
巻： 8  ページ： 1633  発行年： 2017年 
JST資料番号： U7094A  ISSN： 1664-462X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 不完全要因交配設計を用いたハイブリッド性能の予測は,異なるヘテログループを含む育種プログラムに広く使われている。親の一般的結合能力(GCA)に基づいて,特定の組合せ能力から生じる遺伝的分散が小さく,両親が表現型子孫を持つ場合にのみ,予測は正確である。ゲノム選択(GS)は,必ずしもすべての雑種親を含まない表現型および遺伝子型ハイブリッドの両方で訓練されたモデルを用いて,性能を予測することができる。したがって,GSは未知の親GCAの問題を克服することができた。ここでは,いくつかのGSモデルを用いてヒマワリ種子の油含量に対する古典的GCAベースおよびゲノム予測の精度を比較した。著者らの研究は,36の雌と36の雄系統の不完全な要因計画から452のヒマワリ雑種を含んだ。親系統の再配列決定により,468,194の非冗長SNPを同定し,雑種遺伝子型を推定した。油含有量は,3年間にわたり多環境試験(MET)で観察され,9つの異なる環境に導いた。著者らは,雌性および雄性のゲノムのキンシップを含む異なるGSモデルに対して,雌性および雄性の相互作用ゲノムキンシップの添加,油代謝経路の遺伝子におけるSNPとしての機能的知識の使用,およびエピ停滞モデリングを含む異なるGSモデルと比較した。両親が訓練セットで子孫を持つとき,予測能力はGCAベース予測でも高く,平均MET値は0.782であった。GSはわずかに良好(+0.2%)を行った。雌性-雄性相互作用の包含も,油代謝の機能的知識も,エピ停滞モデリングもGS精度を改善しなかった。GSは,1つまたは2つの両親を訓練セットにおいて試験しなかったとき,予測能力を大いに改善し,METベース予測能力を,METにおける0.575から0.635まで10.4%増加させた。このシナリオにおいて,油代謝経路におけるSNPのみを考慮したGSの実行は全ゲノムGS予測を改善しなかったが,GCAに基づく予測能力を6.4%増加させた。著者らの結果は,1つまたは2つの両親がよく特性化されていないとき,GSが古典的GCAモデリングと比較して育種効率に対する主要な改善であることを示した。したがって,この発見は,表現型化努力を減らし,最も有望な交雑をより効果的に標的化することにより,育種を加速することができた。Copyright 2018 The Author(s). All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 交雑 ,  モデル ,  代謝 ,  相互作用 ,  遺伝 ,  遺伝子型 ,  代謝経路 ,  *予測 ,  *ゲノム ,  表現型 ,  育種 ,  *ヒマワリ ,  モデリング
準シソーラス用語： 予測能力 ,  両親 , 【Automatic Indexing@JST】

著者キーワード (6件)： ゲノム選択 ,  要因設計 ,  ヒマワリ ,  石油含有量 ,  ハイブリッド ,  GBS

分類 (4件)： 牛  (FD02020Y) ,  遺伝子の構造と化学  (EC02020U) ,  作物の品種改良  (FC02030G) ,  飼育動物の育種  (FD01020R)

タイトルに関連する用語 (5件)： ヒマワリ ,  雑種 ,  含量 ,  ゲノム ,  予測