Γενετική ανατομή της αποτελεσματικότητας χρήσης αζώτου στον τροπικό αραβόσιτο μέσω συσχέτισης σε όλο το γονιδίωμα και γονιδιωματικής πρόβλεψης

¹ Εθνικό Κέντρο Έρευνας Αραβοσίτου Bako, Αιθιοπικό Ινστιτούτο Αγροτικής Έρευνας, Μπάκο, Αιθιοπία
² Διεθνές Κέντρο Βελτίωσης Αραβοσίτου και Σιτάρι, Παγκόσμιο Κέντρο Αγροδασοκομίας, Ναϊρόμπι, Κένυα
³ Department of Plant Sciences, University of the Free State, Bloemfontein, Νότια Αφρική

Στην υποσαχάρια Αφρική, μία από τις μεγαλύτερες προκλήσεις για τους μικροκαλλιεργητές είναι το έδαφος με χαμηλή γονιμότητα και αδυναμία εφαρμογής αζωτούχων λιπασμάτων εξωτερικά λόγω του κόστους. Η ανάπτυξη υβριδίων αραβοσίτου, τα οποία έχουν καλύτερη απόδοση σε εδάφη με έλλειψη αζώτου, είναι μία από τις πολλά υποσχόμενες λύσεις. Ωστόσο, ο αραβόσιτος αναπαραγωγής για αποδοτικότητα χρήσης αζώτου (NUE) παρεμποδίζεται από δαπανηρές φαινοτυπικές αξιολογήσεις και πολυπλοκότητα χαρακτηριστικών υπό χαμηλή τάση N. Η μελέτη συσχέτισης σε επίπεδο γονιδιώματος (GWAS) και η γονιδιωματική πρόβλεψη (GP) είναι πολλά υποσχόμενα εργαλεία για την παράκαμψη αυτής της παρεμβολής. Εδώ, αξιολογήσαμε έναν πίνακα χαρτογράφησης σε διαφορετικά περιβάλλοντα, τόσο υπό βέλτιστη όσο και χαμηλή διαχείριση N. Ο στόχος αυτής της μελέτης ήταν να εντοπιστούν τα SNP που σχετίζονται σημαντικά με την απόδοση των κόκκων (GY) και άλλα χαρακτηριστικά μέσω του GWAS και να αξιολογηθεί η δυνατότητα του GP υπό χαμηλό Ν και βέλτιστες συνθήκες. Testcross απόγονοι 411 ενδογαμικών γραμμών φυτεύτηκαν υπό βέλτιστες και χαμηλές συνθήκες Ν σε διάφορες τοποθεσίες στην Αφρική και τη Λατινική Αμερική. Σε όλες τις τοποθεσίες, τα χωράφια χαμηλού Ν είχαν προηγουμένως εξαντληθεί σε αρκετές εποχές και δεν χρησιμοποιήθηκε λίπασμα Ν καθ’ όλη τη διάρκεια της καλλιεργητικής περιόδου. Όλες οι συγγενείς σειρές γονοτυποποιήθηκαν με γονότυπο με προσδιορισμό αλληλουχίας. Οι διακυμάνσεις αλληλεπίδρασης γονότυπου και GxE ήταν σημαντικές και οι εκτιμήσεις κληρονομικότητας ήταν μέτριες έως υψηλές για όλα τα χαρακτηριστικά τόσο σε βέλτιστες όσο και σε συνθήκες χαμηλού Ν. Διάσπαση LD σε όλο το γονιδίωμα στο r Οι διακυμάνσεις αλληλεπίδρασης γονότυπου και GxE ήταν σημαντικές και οι εκτιμήσεις κληρονομικότητας ήταν μέτριες έως υψηλές για όλα τα χαρακτηριστικά τόσο σε βέλτιστες όσο και σε συνθήκες χαμηλού Ν. Διάσπαση LD σε όλο το γονιδίωμα στο r Οι διακυμάνσεις αλληλεπίδρασης γονότυπου και GxE ήταν σημαντικές και οι εκτιμήσεις κληρονομικότητας ήταν μέτριες έως υψηλές για όλα τα χαρακτηριστικά τόσο σε βέλτιστες όσο και σε συνθήκες χαμηλού Ν. Διάσπαση LD σε όλο το γονιδίωμα στο r² = 0,2 και r ² = 0,34 ήταν 0,24 και 0,19 Mbp, αντίστοιχα. Οι ειδικές για το χρωμόσωμα διασπάσεις LD κυμαίνονταν από 0,13 έως 0,34 Mbps με μέσο όρο 0,22 Mbp στο r ²= 0,2. Οι αναλύσεις GWAS αποκάλυψαν 38 και 45 σημαντικά SNPs υπό βέλτιστες και χαμηλές συνθήκες Ν, αντίστοιχα. Από αυτά τα 83 σημαντικά SNP, 3 SNP στα χρωμοσώματα 1, 2 και 6 συσχετίστηκαν είτε με διαφορετικά χαρακτηριστικά είτε με το ίδιο χαρακτηριστικό υπό διαφορετικές συνθήκες διαχείρισης, υποδηλώνοντας πλειοτροπικές επιδράσεις των γονιδίων. Συνολικά 136 υποτιθέμενα υποψήφια γονίδια συσχετίστηκαν με τα σημαντικά SNP, από τα οποία επτά SNP συνδέθηκαν με τέσσερα γνωστά γονίδια. Οι ακρίβειες πρόβλεψης ήταν μέτριες έως υψηλές για όλα τα γνωρίσματα και υπό συνθήκες βέλτιστου και χαμηλού Ν. Αυτά τα αποτελέσματα μπορούν να χρησιμοποιηθούν ως χρήσιμοι πόροι για περαιτέρω εφαρμογές για την ανάπτυξη υβριδίων ή γραμμών με καλύτερη απόδοση σε συνθήκες χαμηλού N.

Εισαγωγή

Το χαμηλό στρες N είναι ένα ευρέως διαδεδομένο πρόβλημα για την παραγωγή αραβοσίτου στην υποσαχάρια Αφρική (SSA) ιδιαίτερα στους μικροκαλλιεργητές. Η μέση χρήση λιπασμάτων στο SSA ήταν περίπου 8 kg ha ^-1 , η οποία είναι πολύ χαμηλότερη σε σύγκριση με άλλες περιοχές στον αναπτυσσόμενο κόσμο (Morris et al., 2007; Das et al., 2019). Παρόλο που το 2006, όλα τα μέλη της Αφρικανικής Ένωσης δεσμεύτηκαν να αυξήσουν σημαντικά το επίπεδο χρήσης λιπασμάτων έως το 2015 (African Development Bank, 2006), μέχρι τώρα, η χρήση λιπασμάτων στο SSA παραμένει μικρότερη από 10 kg ha- ¹(FAOSTAT, 2017). Τα λιπάσματα στο SSA είναι πολύ ακριβά και οι μικροκαλλιεργητές δύσκολα μπορούν να αντέξουν οικονομικά την εφαρμογή της σωστής ποσότητας και είδους λιπάσματος που απαιτείται για την κανονική ανάπτυξη και ανάπτυξη του αραβοσίτου (Lafitte and Edmeades, 1994; Das et al., 2019). Στην SSA, οι μικροκαλλιεργητές καλλιεργούν αραβόσιτο με λιγότερο ή καθόλου λίπασμα σε ήδη σοβαρά υποβαθμισμένα εδάφη. ως αποτέλεσμα, η απόδοση μειώνεται δραστικά σε lt;2 τόνους ανά εκτάριο (t/ha). Ωστόσο, η ανάπτυξη ποικιλιών αραβοσίτου που μπορούν να αποδώσουν καλύτερα σε συνθήκες χαμηλού N μπορεί να προσφέρει καλύτερη παρέμβαση για την αύξηση των αποδόσεων στον τομέα των μικροκαλλιεργητών» (Cairns et al., 2012). Επί του παρόντος, πολύ λίγα προγράμματα αναπαραγωγής στοχεύουν στην ανάπτυξη ποικιλιών χαμηλής ανοχής σε Ν (Das et al., 2019). Κλασικές μελέτες συσχέτισης που βασίζονται στην αναπαραγωγή υποδεικνύουν διακριτούς γενετικούς μηχανισμούς για την απόδοση των κόκκων (GY) υπό βέλτιστες και υπό συνθήκες χαμηλής έντασης Ν (Bänziger et al., 1997· Worku et al., 2007, 2008). Επιπλέον, τα περισσότερα από τα οικονομικά σημαντικά χαρακτηριστικά ελέγχονται από πολλαπλούς ποσοτικούς τόπους χαρακτηριστικών (QTL) και είναι δύσκολο να διερευνηθούν μόνο με συμβατικές προσεγγίσεις καθεαυτές.

Οι μοριακοί δείκτες έφεραν τις πιο σημαντικές εξελίξεις στον τομέα της γενετικής και της αναπαραγωγής φυτών (Soto-Cerda και Cloutier, 2010). Συγκεκριμένα, η γενετική χαρτογράφηση και η σύνδεση δεικτών με υποψήφια γονίδια ή λειτουργικούς τόπους διευκόλυνε την υποβοηθούμενη από το γονιδίωμα αναπαραγωγή για βελτιώσεις στις καλλιέργειες συμπεριλαμβανομένης της αποτελεσματικότητας χρήσης αζώτου (NUE) και της ανοχής στην ξηρασία (Yu and Buckler, 2006). Η ανάλυση σύνδεσης έχει χρησιμοποιηθεί ευρέως για την ανατομή της γενετικής βάσης των οικονομικά σημαντικών πολύπλοκων χαρακτηριστικών στα φυτά. Πολλές τέτοιες μελέτες έχουν διεξαχθεί για την κατανόηση της γενετικής αρχιτεκτονικής του GY και άλλων αγρονομικών χαρακτηριστικών κάτω από διαφορετικές περιβαλλοντικές συνθήκες (Ribaut et al., 2007). Παρά τις πολλές μελέτες για την ανάλυση σύνδεσης που διεξήχθησαν σε διάφορα φυτά καλλιεργειών για την ανατομή των ποσοτικών χαρακτηριστικών, μόνο μερικά QTL κλωνοποιήθηκαν ή επισημάνθηκαν σε επίπεδο γονιδίου (Moose and Mumm, 2008) καθώς η κλωνοποίηση των QTL είναι χρονοβόρα και επίπονη (Yan et al., 2011). Δεδομένου ότι μόνο δύο αλληλόμορφα ανά τόπο και μερικά συμβάντα ανασυνδυασμού θεωρούνται ότι αναγνωρίζουν το QTL, αυτό οδηγεί σε περιορισμένη ανάλυση χαρτογράφησης (Soto-Cerda και Cloutier, 2010).

Η χαρτογράφηση συσχέτισης σε όλο το γονιδίωμα μπορεί να είναι σε θέση να συλλάβει τη σύνθετη παραλλαγή χαρακτηριστικών μέχρι το επίπεδο της ακολουθίας, αξιοποιώντας τόσο ιστορικά όσο και εξελικτικά γεγονότα ανασυνδυασμού (Nordborg και Tavare, 2002). Αυτή η προσέγγιση ξεκίνησε αρχικά σε μελέτες ανθρώπινων ασθενειών και στη συνέχεια επεκτάθηκε στα φυτά, αυξάνοντας ουσιαστικά την ανάλυση χαρτογράφησης σε σχέση με την παραδοσιακή χαρτογράφηση σύνδεσης (Flint-Garcia et al., 2003). Η χαρτογράφηση συσχέτισης ανιχνεύει τη συσχέτιση μεταξύ γονότυπου και φαινοτύπου σε μη συγγενικά άτομα με βάση την ανισορροπία σύνδεσης (LD). Προσδιορίζει το QTL διερευνώντας τις συσχετίσεις δείκτη-χαρακτηριστικού, το οποίο αποδίδεται στην ισχύ της LD μεταξύ δεικτών και λειτουργικών πολυμορφισμών σε ποικίλα γεννητικά πλάσματα (Zhu et al., 2008). Με τις μελέτες συσχέτισης, η ανάλυση χαρτογράφησης αυξήθηκε και μειώθηκε χρονικά για την ανάπτυξη πληθυσμού/ων,

Ένας αριθμός μελετών χαρτογράφησης συσχέτισης έχει διεξαχθεί για τη διερεύνηση των αιτιολογικών παραλλαγών που συνδέονται με πολλά σημαντικά χαρακτηριστικά στον αραβόσιτο, συμπεριλαμβανομένου του χρόνου ανθοφορίας (Wallace et al., 2016), της ποιότητας της χορτονομής (Anderson et al., 2007), της περιεκτικότητας σε καροτενοειδή (Harjes et al., 2008), προβιταμίνη Α (Azmach et al., 2013) και μέγεθος πυρήνα (Li et al., 2010). Παρά την ευρεία χρήση της χαρτογράφησης συσχέτισης για την ανατομή σύνθετων χαρακτηριστικών, λίγα έγιναν για την ανατομή της γενετικής αρχιτεκτονικής του NUE στον αραβόσιτο. Το NUE είναι ένα σύνθετο χαρακτηριστικό που είναι προϊόν της πρόσληψης N και της αποτελεσματικότητας χρήσης N. Εκτός από την περιορισμένη εργασία για το NUE, οι μελέτες συσχέτισης σε όλο το γονιδίωμα (GWASs) περιορίζονται από τη δύναμη των στατιστικών εργαλείων για την αναγνώριση αληθινών συσχετίσεων, απαιτώντας καλύτερα πακέτα λογισμικού υπολογιστή για ανάλυση δεδομένων.

Η εφαρμογή του GWAS έχει περιοριστεί από την παρουσία ψευδώς θετικών και ψευδώς αρνητικών. Σημαντικά αποτελέσματα από διαφορετικές μελέτες συσχέτισης δύσκολα μπορούν να αναπαραχθούν λόγω ψευδώς θετικών που προκύπτουν από τη δομή του πληθυσμού, η οποία είναι ένα σημαντικό πρόβλημα για τη χαρτογράφηση συσχέτισης (Zhu et al., 2008). Γενικά, ο πίνακας συσχέτισης έχει ένα σύνολο γραμμών με διαφορετική γεωγραφική προέλευση, τοπική προσαρμογή και ιστορία αναπαραγωγής. Ως αποτέλεσμα, αυτές οι γραμμές συνήθως περιέχουν τόσο τη δομή του πληθυσμού όσο και την οικογενειακή συγγένεια (Yu and Buckler, 2006). Προκειμένου να αποφευχθούν ψευδή αποτελέσματα, η LD που δημιουργείται από τη δομή του πληθυσμού εντός του πίνακα πρέπει να λαμβάνεται υπόψη στην ανάλυση. Σε ένα μικτό γραμμικό μοντέλο (MLM), τόσο η δομή του πληθυσμού όσο και η συγγένεια μεταξύ των ατόμων ενσωματώνονται ως συμμεταβλητές για τον έλεγχο των ψευδώς θετικών. Ωστόσο, η συγχυτική επίδραση μεταξύ των συμμεταβλητών και του δοκιμαστικού δείκτη αποδυναμώνει τα σήματα των QTNs (ποσοτικά νουκλεοτίδια χαρακτηριστικών). ως αποτέλεσμα, τα ψευδώς αρνητικά αυξάνονται (Liu et al., 2016). Πρόσφατα, ένα φιλικό προς το χρήστη πακέτο R GWAS γνωστό ως FarmCPU (Σταθερό και τυχαίο μοντέλο Κυκλοφορίας Ενοποίησης Πιθανοτήτων) εφάρμοσε μια μέθοδο για την αντιμετώπιση του «φαινόμενου σύγχυσης» και την αύξηση της ταχύτητας και την εξοικονόμηση μνήμης χρησιμοποιώντας διάφορες στρατηγικές προγραμματισμού, γεγονός που κάνει το FarmCPU να προσαρμόζεται για μεγάλα σύνολα δεδομένων (Liu et al., 2016). Σε αυτή τη μελέτη χρησιμοποιήθηκε «η τελευταία λέξη της τεχνολογίας» αναλυτική συσκευασία για τον προσδιορισμό της συσχέτισης δείκτη-χαρακτηριστικού σε δοκιμαστικές διασταυρώσεις 411 τροπικών αμιγών γραμμών που αξιολογήθηκαν υπό βέλτιστες και χαμηλές συνθήκες Ν. Τα ψευδώς αρνητικά αυξάνονται (Liu et al., 2016). Πρόσφατα, ένα φιλικό προς το χρήστη πακέτο R GWAS γνωστό ως FarmCPU (Σταθερό και τυχαίο μοντέλο Κυκλοφορίας Ενοποίησης Πιθανοτήτων) εφάρμοσε μια μέθοδο για την αντιμετώπιση του «φαινόμενου σύγχυσης» και την αύξηση της ταχύτητας και την εξοικονόμηση μνήμης χρησιμοποιώντας διάφορες στρατηγικές προγραμματισμού, γεγονός που κάνει το FarmCPU να προσαρμόζεται για μεγάλα σύνολα δεδομένων (Liu et al., 2016). Σε αυτή τη μελέτη χρησιμοποιήθηκε «η τελευταία λέξη της τεχνολογίας» αναλυτική συσκευασία για τον προσδιορισμό της συσχέτισης δείκτη-χαρακτηριστικού σε δοκιμαστικές διασταυρώσεις 411 τροπικών αμιγών γραμμών που αξιολογήθηκαν υπό βέλτιστες και χαμηλές συνθήκες Ν. Τα ψευδώς αρνητικά αυξάνονται (Liu et al., 2016). Πρόσφατα, ένα φιλικό προς το χρήστη πακέτο R GWAS γνωστό ως FarmCPU (Σταθερό και τυχαίο μοντέλο Κυκλοφορίας Ενοποίησης Πιθανοτήτων) εφάρμοσε μια μέθοδο για την αντιμετώπιση του «φαινόμενου σύγχυσης» και την αύξηση της ταχύτητας και την εξοικονόμηση μνήμης χρησιμοποιώντας διάφορες στρατηγικές προγραμματισμού, γεγονός που κάνει το FarmCPU να προσαρμόζεται για μεγάλα σύνολα δεδομένων (Liu et al., 2016). Σε αυτή τη μελέτη χρησιμοποιήθηκε «η τελευταία λέξη της τεχνολογίας» αναλυτική συσκευασία για τον προσδιορισμό της συσχέτισης δείκτη-χαρακτηριστικού σε δοκιμαστικές διασταυρώσεις 411 τροπικών αμιγών γραμμών που αξιολογήθηκαν υπό βέλτιστες και χαμηλές συνθήκες Ν. που κάνει το FarmCPU να προσαρμόζεται για μεγάλα σύνολα δεδομένων (Liu et al., 2016). Σε αυτή τη μελέτη χρησιμοποιήθηκε «η τελευταία λέξη της τεχνολογίας» αναλυτική συσκευασία για τον προσδιορισμό της συσχέτισης δείκτη-χαρακτηριστικού σε δοκιμαστικές διασταυρώσεις 411 τροπικών αμιγών γραμμών που αξιολογήθηκαν υπό βέλτιστες και χαμηλές συνθήκες Ν. που κάνει το FarmCPU να προσαρμόζεται για μεγάλα σύνολα δεδομένων (Liu et al., 2016). Σε αυτή τη μελέτη χρησιμοποιήθηκε «η τελευταία λέξη της τεχνολογίας» αναλυτική συσκευασία για τον προσδιορισμό της συσχέτισης δείκτη-χαρακτηριστικού σε δοκιμαστικές διασταυρώσεις 411 τροπικών αμιγών γραμμών που αξιολογήθηκαν υπό βέλτιστες και χαμηλές συνθήκες Ν.

Η επιλογή γονιδιώματος (GS) είναι ένα άλλο πιθανό εργαλείο που χρησιμοποιεί ομοιόμορφα κατανεμημένους πυκνούς μοριακούς δείκτες σε όλο το γονιδίωμα για να προβλέψει την απόδοση ατόμων γνωστού γονότυπου αλλά άγνωστου φαινοτύπου (Zhang et al., 2015). Το GS έχει χρησιμοποιηθεί ευρέως στην εκτροφή αραβοσίτου, στο GY και άλλα χαρακτηριστικά (Zhang et al., 2015, 2017; Beyene et al., 2019; Yuan et al., 2019), γεγονός που απέδειξε ξεκάθαρα τις δυνατότητές του στη βελτίωση των ποσοτικών χαρακτηριστικών. Το GWAS ενισχύει την ανίχνευση των QTN για το χαρακτηριστικό στόχο χρησιμοποιώντας ένα ποικίλο σύνολο γραμμών αναπαραγωγής, ενώ το GS επιτρέπει την επιλογή ανώτερων ατόμων λαμβάνοντας υπόψη τα αποτελέσματα πολλαπλών γονιδίων που ελέγχουν ένα χαρακτηριστικό στόχο (Crossa et al., 2017; Yuan et al. , 2019). Ο συνδυασμός GWAS και GS με επιλογή υποβοηθούμενη από δείκτη (MAS) επιταχύνει την απόδοση αναπαραγωγής για την ανάπτυξη των γραμμών ή των υβριδίων με καλύτερη απόδοση για το GY και άλλα σύνθετα χαρακτηριστικά υπό διαφορετικές συνθήκες διαχείρισης. Επομένως, το πλήρες δυναμικό αυτών των δύο εργαλείων πρέπει να αξιολογηθεί χρησιμοποιώντας ένα σύνολο ελίτ γραμμών ή/και πρακτικών πληθυσμών αναπαραγωγής για το NUE.

Οι στόχοι της μελέτης ήταν (1) να αξιολογηθεί το ποικίλο σύνολο τροπικών και υποτροπικών σειρών αραβοσίτου για τις αποκρίσεις τους στο GY και άλλα χαρακτηριστικά που σχετίζονται με την απόδοση κάτω από συνθήκες βέλτιστης και χαμηλής τάσης N. (2) ταυτοποιήστε τις γονιδιωματικές περιοχές, τα QTN και τα πιθανά υποψήφια γονίδια που σχετίζονται με αυτά τα χαρακτηριστικά και στις δύο συνθήκες διαχείρισης. και (3) να αξιολογήσει τις δυνατότητες της GS εντός και σε όλες τις συνθήκες διαχείρισης. Αυτή η μελέτη θα παράσχει χρήσιμες πληροφορίες για την αποκάλυψη της γενετικής βάσης του NUE και θα σχεδιάσει το σχήμα MAS για την αναπαραγωγή αραβοσίτου υψηλής NUE.

Υλικά και μέθοδοι

Φυτική ύλη

Τετρακόσιες έντεκα αμιγείς γραμμές που χρησιμοποιήθηκαν για αυτή τη μελέτη προήλθαν από μια ομάδα 424 διαφορετικών γραμμών τροπικού αραβοσίτου που δημιουργήθηκε από το έργο Improved Maize for African Soils (IMAS) για την ανατομή της γενετικής βάσης του NUE και για την ανακάλυψη δεικτών. Όλες οι αμιγείς σειρές ήταν σειρές αραβοσίτου CIMMYT που αναπτύχθηκαν από την CIMMYT μέσω συμβατικών μεθόδων αναπαραγωγής. Ο κατάλογος των αμιγών γραμμών, το αρχικό γεννητικό πλάσμα και η μέθοδος που χρησιμοποιήθηκε για την ανάπτυξη των γραμμών βρίσκονται στη διεύθυνση http://www.data.cimmyt.org. Δημιουργήθηκαν μεμονωμένα διασταυρούμενα υβρίδια για την αξιολόγηση των ενδογαμικών γραμμών με διασταύρωση με CML539, έναν ευρέως προσαρμοσμένο CIMMYT ελεγκτή αμιγούς γραμμής αραβοσίτου από την ετεροτική ομάδα Α.

Πειράματα πεδίου και Στατιστική Ανάλυση

Οι απόγονοι Testcross αξιολογήθηκαν σε 9 βέλτιστες και 13 διαχειριζόμενες τοποθεσίες με χαμηλό Ν στρες στην Αφρική και τη Λατινική Αμερική. Ο κατάλογος των δοκιμών, των τοποθεσιών δοκιμών και των πρακτικών διαχείρισης που χρησιμοποιήθηκαν για κάθε δοκιμή παρουσιάζονται στον Πίνακα 1. Για θέσεις διαχείρισης χαμηλού N, το έδαφος εξαντλήθηκε έως και 6 χρόνια με φύτευση σόργου σε υψηλή πυκνότητα. Χρησιμοποιήθηκε ένα σχέδιο άλφα πλέγματος, με δύο επαναλήψεις. Τα πειράματα φυτεύτηκαν σε αγροτεμάχια μιας σειράς, με τελική πυκνότητα φύτευσης 6,67 φυτά/m ² (Μεξικό) και 5,33 φυτά/m ²(Κένυα, Νότια Αφρική, Ζάμπια και Ζιμπάμπουε). Σε όλες τις τοποθεσίες, δύο σπόροι ανά λόφο σπάρθηκαν και στη συνέχεια αραιώθηκαν σε έναν μετά την ανάδυση. Για βέλτιστες δοκιμές, η συνιστώμενη ποσότητα λιπάσματος εφαρμόστηκε κατά τη φύτευση ως βασική εφαρμογή και μια δεύτερη εφαρμογή εφαρμόστηκε 3-4 εβδομάδες μετά τη σπορά. Για δοκιμές χαμηλού N, όλα τα αγροτεμάχια έλαβαν συνιστώμενη P (100 kg/ha) και/ή K (50 kg/ha), ακολουθούμενα από τα προτεινόμενα μέτρα ελέγχου ζιζανίων και εντόμων.

Πίνακας 1. Πληροφορίες για δοκιμές που χρησιμοποιήθηκαν για τη μελέτη συσχέτισης χαρακτηριστικών δεικτών σε όλο το γονιδίωμα.

Τα δεδομένα συλλέχθηκαν για το GY, την ημερομηνία άνθησης (AD), το διάστημα μεταξένωσης της άνθησης (ASI), το ύψος του φυτού (PH), το ύψος του αυτιού (EH), τη θέση του αυτιού (EPO), τα αυτιά ανά φυτό (EPP) και τη γήρανση (SEN). Το GY υπολογίστηκε από το βάρος του αγρού ρυθμίζοντας την υγρασία του κόκκου στο 12,5% και ένα ποσοστό κελύφους 80%. Η AD καταγράφηκε ως ο αριθμός των ημερών από τη φύτευση έως τη στιγμή που το 50% των φυτών στο οικόπεδο άρχισε να ρίχνει γύρη στον κύριο άξονα της φούντας. Το ASI υπολογίστηκε ως η διαφορά μεταξύ του αριθμού των ημερών κατά τις οποίες στο 50% των φυτών σε οικόπεδο με 2–3 cm μετάξι αναδύθηκε και σημειώθηκε αποβολή γύρης. Το PH και το EH μετρήθηκαν σε εκατοστά ως απόσταση από τη βάση ενός φυτού μέχρι τον πρώτο κλάδο της φούντας και το ανώτερο αυτί από 10 αντιπροσωπευτικά φυτά, αντίστοιχα. Η ΕΡΟ υπολογίστηκε ως η αναλογία μεταξύ ΡΗ και ΕΗ. Το SEN καταγράφηκε με οπτική αξιολόγηση χρησιμοποιώντας μια κλίμακα από το 1 έως το 10, όπου το 1 δείχνει ότι όλα τα φύλλα όλων των φυτών σε ένα οικόπεδο ήταν πράσινα και το 10 δείχνει ότι όλα τα φύλλα ήταν νεκρά. Κατά τη συγκομιδή, τα ακραία φυτά αφαιρέθηκαν από όλες τις σειρές από δοκιμές που φυτεύτηκαν σε χαμηλό Ν για να αποφευχθούν οι επιπτώσεις στα όρια.

Οι αναλύσεις διακύμανσης για κάθε περιβάλλον και μεταξύ των περιβαλλόντων κάτω από κάθε συνθήκη διαχείρισης προσδιορίστηκαν με τη μέθοδο περιορισμένης μέγιστης πιθανότητας (REML) χρησιμοποιώντας το πρόγραμμα R που είναι ενσωματωμένο στο λογισμικό META-R (Alvarado et al., 2015). Τα πειράματα στην ίδια τοποθεσία σε διαφορετικά έτη αντιμετωπίστηκαν ως διαφορετικά περιβάλλοντα. Όλες οι συνιστώσες διακύμανσης προσδιορίστηκαν με το ακόλουθο γραμμικό μικτό μοντέλο:

Yi⁢j6k6o=μ Lj Rk6(Lj) B06[Rk6(Lj)] Gi G6Li6j εi6j6k6o

όπου Yijko είναι η φαινοτυπική απόδοση του ιου ^{γονότυπου} στο ι ^ο περιβάλλον στον κ ^ο αναδιπλασιασμό του ο ου ^{ημιτελούς} μπλοκ, μ ήταν ένας όρος τομής, Gi ήταν η γενετική επίδραση του ιου ^{γονότυπου} , Lj ήταν η επίδραση του το j ^{περιβάλλον} , το GLij ήταν το φαινόμενο αλληλεπίδρασης μεταξύ του γονότυπου × περιβάλλοντος, το Rk(Lj) ήταν το αποτέλεσμα του k ^ου αναδιπλασιασμού εντός του j ^ουπεριβάλλον, το B0[Rk(Lj)] είναι η τυχαία επίδραση του ατελούς μπλοκ o εντός του αντιγράφου k και της θέσης j και θεωρείται ότι κατανέμεται ανεξάρτητα και πανομοιότυπα κανονικά με μέσο μηδέν και διακύμανση σB26(R7) και εijko είναι το τυχαίο υπολειπόμενο σφάλμα που υποτίθεται ότι είναι ανεξάρτητο και πανομοιότυπα κανονικά κατανεμημένο με μέσο μηδέν και διακύμανση σε ² .

Όλα τα αποτελέσματα αντιμετωπίζονται ως τυχαία εκτός από τα αποτελέσματα των επαναλήψεων, τα οποία αντιμετωπίστηκαν ως σταθερά. Η κληρονομικότητα με βάση τη μέση τιμή εισόδου υπολογίστηκε από τις υπολογισμένες συνιστώσες διακύμανσης ως την αναλογία γονοτυπικής προς φαινοτυπική διακύμανση. Περαιτέρω, η καλύτερη γραμμική αμερόληπτη πρόβλεψη (BLUP) και η καλύτερη γραμμική αμερόληπτη εκτίμηση (ΜΠΛΕ) για κάθε καταχώριση σε περιβάλλοντα σε κάθε διαχείριση υπολογίστηκαν για όλα τα χαρακτηριστικά. Τα ΜΠΛΕ χρησιμοποιήθηκαν για αναλύσεις GWAS και GS.

Εξαγωγή DNA και Γονότυπος

Με όλες τις ενδογαμικές σειρές στο πλαίσιο συσχέτισης IMAS, το γονιδιωματικό DNA εξήχθη από νεαρά φύλλα που συλλέχθηκαν σε όγκο 10 φυτών ανά καταχώρηση χρησιμοποιώντας μια τροποποιημένη έκδοση της μεθόδου CIMMYT υψηλής απόδοσης mini-prep Cetyl Trimethyl Ammonium Bromide (CTAB) (Semagn , 2014). Τα δείγματα DNA γονοτυποποιήθηκαν στο Ινστιτούτο Βιοτεχνολογίας στο Πανεπιστήμιο Cornell ¹, Ηνωμένες Πολιτείες χρησιμοποιώντας το ApeKI ως ένζυμο περιορισμού και την πολυπλεξία 96 πλεγμάτων (Elshire et al., 2011). Τα ακατέργαστα δεδομένα GBS για συνολικά 955.120 τόπους SNP που κατανεμήθηκαν στα 10 χρωμοσώματα αραβοσίτου ελήφθησαν από το Ινστιτούτο Γονιδιωματικής Ποικιλότητας (IGD), Πανεπιστήμιο Cornell, Ηνωμένες Πολιτείες. Διαφορετικά κριτήρια φιλτραρίσματος εφαρμόστηκαν στα ακατέργαστα δεδομένα για τη λήψη δεδομένων εισόδου για αναλύσεις LD και GWAS. Για την LD, τα ακατέργαστα δεδομένα φιλτραρίστηκαν με βάση τα δεδομένα που δεν λείπουν και τη συχνότητα ελάσσονος αλληλίου gt;10% (MAF). Για το GWAS, τα δεδομένα γονότυπου φιλτραρίστηκαν με MAF gt;5% και ελάχιστη μέτρηση SNP στο 90% του μεγέθους του δείγματος χρησιμοποιώντας το λογισμικό Trait Analysis by Association, Evolution, and Linkage (TASSEL v.5.2.24) (Bradbury et al., 2007).

Δομή πληθυσμού και ανισορροπία σύνδεσης

Η δομή του πληθυσμού στον τρέχοντα πίνακα συσχέτισης διερευνήθηκε χρησιμοποιώντας κλασική πολυδιάστατη κλιμάκωση (ανάλυση κύριας συντεταγμένων) που είναι ενσωματωμένη στο λογισμικό TASSEL v.5.2.24 (Bradbury et al., 2007). Το TASSEL χρησιμοποιήθηκε επίσης για την ανάλυση συγγένειας, γενετικών αποστάσεων (Identity by state-IBS) και αναλύσεων βασικών συστατικών (PCAs).

Οι LD σε όλο το γονιδίωμα και το χρωμόσωμα υπολογίστηκαν ως τετραγωνισμένος συντελεστής συσχέτισης συχνότητας αλληλόμορφων (r ²) μεταξύ όλων των πιθανών ζευγών SNP χρησιμοποιώντας το TASSEL v5.2.31 (Bradbury et al., 2007). Για την LD σε όλο το γονιδίωμα, χρησιμοποιήθηκαν 4.479 SNPs κατανεμημένα στα 10 χρωμοσώματα, φιλτραρισμένα με βάση τα δεδομένα που δεν λείπουν ανά δείκτη και gt;10% MAF. Για την εκτίμηση της LD ειδικής για το χρωμόσωμα, τα SNP φιλτράρονταν χωρίς να λείπουν δεδομένα ανά δείκτη και gt;1% MAF. Πραγματοποιήθηκε ανάλυση LD πλήρους μήτρας χωρίς καταλογισμό δεδομένων που λείπουν και ορίστηκαν ετερόζυγες κλήσεις σε ελλείποντα. Μετά την ανάλυση, όλες οι εκτιμήσεις LD με μια τιμή που λείπει για την απόσταση αφαιρέθηκαν και μόνο οι εκτιμήσεις LD με P lt; 0,001 θεωρήθηκαν σημαντικές (Pasam et al., 2012) και χρησιμοποιήθηκαν για περαιτέρω ανάλυση. Οι ρυθμοί διάσπασης της LD υπολογίστηκαν με τη γραφική παράσταση των καμπυλών τοπικής παλινδρόμησης (LOESS) του r ²τιμές έναντι των αντίστοιχων φυσικών αποστάσεων μεταξύ των ζευγών SNP, ακολουθούμενη από παρατήρηση του σημείου τομής μεταξύ της προσαρμοσμένης καμπύλης LOESS και των κρίσιμων τιμών r ² (Breseghello and Sorrells, 2006). Για την εκτίμηση των διασπάσεων της LD εντός και κατά μήκος των χρωμοσωμάτων, ελήφθησαν υπόψη δύο κρίσιμες τιμές υποβάθρου r ^{2 για σύγκριση.}Για την πρώτη γραμμή βάσης, το κρίσιμο r ² προσδιορίστηκε λαμβάνοντας το παραμετρικό 95ο εκατοστημόριο της κατανομής των τιμών r ² για μη συνδεδεμένα SNPs. Τα SNP σε διαφορετικά χρωμοσώματα και τα SNP με απόσταση μεγαλύτερη από 50 Mbp στο ίδιο χρωμόσωμα αντιμετωπίζονται ως μη συνδεδεμένα (Pasam et al., 2012). Η δεύτερη γραμμή βάσης r ²Η τιμή ήταν 0,2, μια αυθαίρετη τιμή που χρησιμοποιείται συχνά για να περιγράψει την αποσύνθεση της LD (Flint-Garcia et al., 2003; Zhu et al., 2008). Οι εκτιμώμενες διασπάσεις LD σχεδιάστηκαν σε διαγράμματα διασποράς και προσαρμόστηκαν με ομαλές καμπύλες χρησιμοποιώντας τη συνάρτηση LOESS στο R (R Core Team, 2016).

Ανάλυση συσχέτισης σε επίπεδο γονιδιώματος

Η ανάλυση της μελέτης συσχέτισης σε όλο το γονιδίωμα πραγματοποιήθηκε με το πακέτο R «FarmCPU—Σταθερό και τυχαίο μοντέλο Κυκλοφοριακής Ενοποίησης Πιθανοτήτων» (Liu et al., 2016). Τα ελάχιστα δεδομένα εισόδου που απαιτούνται για την εκτέλεση του FarmCPU είναι δεδομένα γονότυπου (GD), φαινοτυπικά δεδομένα (Y) και δεδομένα γονοτυπικού χάρτη (GM). Λαμβάνει γονοτυπικά δεδομένα σε αριθμητική μορφή. η μορφή «hmp» μετατράπηκε σε αριθμητική (0, 1, 2) χρησιμοποιώντας το πακέτο «GAPIT» (Lipka et al., 2012). Οι τρεις πρώτοι υπολογιστές που ελήφθησαν από το TASSEL (Bradbury et al., 2007) χρησιμοποιήθηκαν ως είσοδος για το GWAS στο FarmCPU. Η συγγένεια υπολογίστηκε με τον προεπιλεγμένο αλγόριθμο συγγένειας στο FarmCPU. Η ανάλυση πραγματοποιήθηκε με maxLoop πέντε, όριο ap 0,01, ουδό QTN 0,01 και ουδό MAF 0,05. Το maxLoop αναφέρεται στον συνολικό αριθμό επαναλήψεων που χρησιμοποιούνται. Το όριο p, το όριο QTN, και το κατώφλι MAF αναφέρονται στις τιμές p που επιλέχθηκαν στο μοντέλο για την πρώτη επανάληψη, στην τιμή p που επιλέχθηκε στο μοντέλο από τη δεύτερη επανάληψη και στο ελάχιστο MAF των SNP που χρησιμοποιήθηκαν στην ανάλυση, αντίστοιχα. Για το όριο των τιμών p, το 0,01 αναφέρεται στο όριο Bonferroni (0,01/αριθμός των συνολικών δεικτών που χρησιμοποιήθηκαν). Επιπλέον, το όριο δοκιμής Bonferroni (0,01/αριθμός δεικτών) χρησιμοποιήθηκε για να καθοριστεί ένα σημαντικό επίπεδο στα οικόπεδα του Μανχάταν. Το “FarmCPU” χρησιμοποιεί επίσης τη συνάρτηση “GAPIT” για να παράγει αποτελέσματα, όπως η γραφική παράσταση του Μανχάταν, η γραφική παράσταση τεταρτημορίου-ποσοστό (QQ), τα αποτελέσματα GWAS και ένας πίνακας επιδράσεων δεικτών συμμεταβλητών που παρέχονται από τον χρήστη. Περαιτέρω, η αναγνώριση υποτιθέμενων γονιδίων σε LD με σημαντικά SNP και η μελέτη της λειτουργίας αυτών των γονιδίων είναι χρήσιμη για την επιλογή σημαντικών SNP για ενσωμάτωση σε προγράμματα αναπαραγωγής.² και καλαμπόκι gdb ³ ιστότοποι.

Γονιδιωματική Πρόβλεψη

Για την ανάλυση GP, χρησιμοποιήθηκαν ΜΠΛΕ σε όλες τις τοποθεσίες. Εφαρμόστηκε BLUP παλινδρόμησης κορυφογραμμής (RR-BLUP) με πενταπλή διασταυρούμενη επικύρωση. Από τα δεδομένα GBS, ένα υποσύνολο 5.929 SNP χωρίς τιμές που λείπουν, κατανεμημένες ομοιόμορφα στο γονιδίωμα και δευτερεύουσα συχνότητα αλληλόμορφων gt; 0,04 χρησιμοποιήθηκαν για το GP σε ένα πλαίσιο συσχέτισης. Λεπτομέρειες για το μοντέλο RR-BLUP και την εφαρμογή του περιγράφονται από τους Zhao et al. (2012). Όσον αφορά την ακρίβεια πρόβλεψης για τις γραμμές στο σετ δοκιμών, αξιολογήθηκαν δύο προσεγγίσεις GP: (1) πρόβλεψη «εντός πληθυσμού και εντός της διοίκησης», όπου δειγματολήφθηκαν γραμμές εντός του πίνακα χαρτογράφησης συσχετισμού για να σχηματίσουν ένα σύνολο εκπαίδευσης και ένα Το σύνολο δοκιμών και η πρόβλεψη πραγματοποιήθηκε στο πλαίσιο της βέλτιστης και χαμηλής διαχείρισης καταπόνησης N. (2) πρόβλεψη «εντός πληθυσμού και μεταξύ της διοίκησης», όπου τα δεδομένα χαρακτηριστικών για το σύνολο εκπαίδευσης λαμβάνονται δειγματοληπτικά από συνθήκες βέλτιστης διαχείρισης και ένας πληθυσμός δοκιμής δειγματοληπτείται από συνθήκες χαμηλής τάσης N. Η δεύτερη προσέγγιση μιμείται την έμμεση επιλογή για GY για συνθήκες χαμηλού N τάσεων. Η ακρίβεια πρόβλεψης υπολογίστηκε ως η συσχέτιση μεταξύ των παρατηρούμενων φαινοτύπων και των εκτιμώμενων γονιδιωματικών τιμών αναπαραγωγής (GEBVs) διαιρεμένη με την τετραγωνική ρίζα της κληρονομικότητας του συγκεκριμένου χαρακτηριστικού (Dekkers, 2007). Η δειγματοληψία των σετ εκπαίδευσης και δοκιμής επαναλήφθηκε 100 φορές για κάθε προσέγγιση. Η ακρίβεια πρόβλεψης υπολογίστηκε ως η συσχέτιση μεταξύ των παρατηρούμενων φαινοτύπων και των εκτιμώμενων γονιδιωματικών τιμών αναπαραγωγής (GEBVs) διαιρεμένη με την τετραγωνική ρίζα της κληρονομικότητας του συγκεκριμένου χαρακτηριστικού (Dekkers, 2007). Η δειγματοληψία των σετ εκπαίδευσης και δοκιμής επαναλήφθηκε 100 φορές για κάθε προσέγγιση. Η ακρίβεια πρόβλεψης υπολογίστηκε ως η συσχέτιση μεταξύ των παρατηρούμενων φαινοτύπων και των εκτιμώμενων γονιδιωματικών τιμών αναπαραγωγής (GEBVs) διαιρεμένη με την τετραγωνική ρίζα της κληρονομικότητας του συγκεκριμένου χαρακτηριστικού (Dekkers, 2007). Η δειγματοληψία των σετ εκπαίδευσης και δοκιμής επαναλήφθηκε 100 φορές για κάθε προσέγγιση.

Αποτελέσματα

Φαινοτυπικά Δεδομένα

Η κατανομή συχνότητας και τα περιγραφικά στατιστικά στοιχεία για το GY και άλλα χαρακτηριστικά αποκάλυψαν μια ευρεία διακύμανση τόσο για τις βέλτιστες όσο και για τις συνθήκες χαμηλής τάσης N (Εικόνα 1). Η διακύμανση για το GY κυμαινόταν από 5,7 έως 9,5 t/ha (μέση τιμή = 7,74 t/ha) υπό το βέλτιστο και από 2,2 έως 3,6 t/ha (μέση τιμή = 3,1 t/ha) υπό χαμηλή τάση N (Πίνακας 2). Η μέση απόδοση για την AD έδειξε πρώιμη 2 ημερών σε χαμηλή τάση N σε σύγκριση με τις βέλτιστες συνθήκες. Το εύρος είναι υψηλότερο για ASI υπό χαμηλή τάση N σε σύγκριση με τις βέλτιστες συνθήκες. Οι μέσοι όροι του PH και του EH μειώθηκαν σημαντικά υπό χαμηλή τάση N σε σύγκριση με τις βέλτιστες συνθήκες. Επιπλέον, το εύρος κατανομής μειώθηκε δραστικά για το SEN υπό χαμηλή τάση N σε σύγκριση με τις βέλτιστες συνθήκες.

Πίνακας 2. Ποσοτικές γενετικές παράμετροι για δοκιμαστικούς απογόνους του πίνακα συσχέτισης IMAS που αξιολογήθηκαν σε εννέα θέσεις υπό βέλτιστες και 13 θέσεις υπό συνθήκες χαμηλού Ν.

Σχήμα 1. Φαινοτυπική κατανομή για οκτώ ελεγμένα γνωρίσματα που δοκιμάστηκαν σε πολλαπλές τοποθεσίες υπό βέλτιστες και χαμηλές συνθήκες Ν. GY, απόδοση σιτηρών. μ.Χ., ημέρες μέχρι την άνθηση. ASI, διάστημα άνθησης-μεταξίωσης. PH, ύψος φυτού; EH, ύψος αυτιού; EPO, θέση αυτιού, EPP, αυτιά ανά φυτό. και SEN, senescence.

Η ανάλυση διακύμανσης έδειξε ότι οι επιδράσεις του γονότυπου, του περιβάλλοντος και της αλληλεπίδρασής τους είναι σημαντικές (P ≤ 0,05) για το GY και άλλα επτά χαρακτηριστικά, τόσο υπό συνθήκες βέλτιστης όσο και χαμηλής τάσης N (Πίνακας 2). Ο βαθμός διακύμανσης ήταν υψηλότερος για το GY, το PH, το EH και το SEN υπό βέλτιστες συνθήκες, ενώ για το AD και το ASI, το μέγεθος της διακύμανσης ήταν υψηλότερο υπό συνθήκες χαμηλής τάσης N. Οι εκτιμήσεις κληρονομικότητας ήταν μέτριες έως υψηλές τόσο σε συνθήκες βέλτιστου όσο και σε συνθήκες χαμηλού Ν.

Οι συντελεστές συσχέτισης έδειξαν σημαντική θετική αντιστοιχία του GY με AD, PH, EH, EPO και EPP (r = 0,19–0,46) υπό βέλτιστες συνθήκες, ενώ συσχετίστηκαν αρνητικά με ASI και δεν βρέθηκε σημαντική συσχέτιση με AD, PH, EH, και ΕΡΟ υπό χαμηλή τάση N (Εικόνα 2). Επιπλέον, το SEN ήταν σταθερά σημαντικό και αρνητικά συσχετισμένο με το GY και στις δύο διαχειρίσεις, ενώ συσχετίστηκε σημαντικά και αρνητικά με AD, ASI, PH και EH μόνο υπό τις βέλτιστες συνθήκες.

Σχήμα 2. Συσχετίσεις μεταξύ οκτώ ελεγμένων χαρακτηριστικών. Η συσχέτιση μεταξύ των χαρακτηριστικών υπό βέλτιστη συνθήκη παρατίθεται στα αριστερά και εκείνα σε συνθήκες χαμηλού N παρατίθενται στα δεξιά. Το επίπεδο συσχέτισης είναι χρωματικά κωδικοποιημένο σύμφωνα με το έγχρωμο πλήκτρο που απεικονίζεται στην άκρα δεξιά. Οι συσχετίσεις με gt;?0,10 και gt;0,16 ήταν σημαντικές σε επίπεδα 0,05 και 0,01, αντίστοιχα. GY, απόδοση σιτηρών. μ.Χ., ημέρες μέχρι την άνθηση. ASI, διάστημα άνθησης-μεταξίωσης. PH, ύψος φυτού; EH, ύψος αυτιού; EPO, θέση αυτιού. ΕΛΚ, αυτιά ανά φυτό. και SEN, γήρανση υπό βέλτιστες (Opt) και χαμηλές συνθήκες N (LN).

Περίληψη SNP και Inbred Lines

Η περίληψη των 182.252 SNP που χρησιμοποιήθηκαν σε αυτή τη μελέτη παρουσιάζεται στον Πίνακα 3. Από 955.120 GBS SNP που χρησιμοποιήθηκαν για τον γονότυπο 411 ενδογαμικών γραμμών, μόνο το 19% διατηρήθηκε μετά το φιλτράρισμα με τα διπλά κριτήρια gt;5% MAF και lt;10% έλλειψη ανά δείκτη. Ο αριθμός των δεικτών που διατηρήθηκαν κυμαινόταν από 12.338 στο χρωμόσωμα 10 έως 29.248 στο χρωμόσωμα 1. Για όλους τους δείκτες που διατηρήθηκαν, τα αλληλόμορφα με συχνότητα κάτω του 50% θεωρήθηκαν δευτερεύοντα. Το ποσοστό των δεικτών που λείπουν ανά μεμονωμένη αμιγή γραμμή κυμαινόταν από 0 έως 10%, και ο συνολικός μέσος όρος ήταν 4,2%.

Πίνακας 3. Η κατανομή των SNPs, το ποσοστό δεικτών που λείπουν, η συχνότητα των δευτερευόντων αλληλόμορφων και οι ετερόζυγοι δείκτες στα 10 χρωμοσώματα αραβοσίτου σε διάφορες τροπικές συγγενείς σειρές αραβοσίτου.

Η αναλογία ετεροζυγωτίας των SNPs (ο αριθμός των κατηγοριών που είναι ετερόζυγα για ένα δεδομένο SNP διαιρεμένος με τον συνολικό αριθμό ατόμων) κυμαινόταν από 0 έως 0,77, με συνολικό μέσο όρο 0,10. Η ελάχιστη αναλογία των ετερόζυγων SNPs βρέθηκε στο χρωμόσωμα 2 και η μέγιστη στο χρωμόσωμα 1. Η ετεροζυγωτία των αμιγών γραμμών (ο αριθμός των ετερόζυγων δεικτών ανά αμιγή γραμμή διαιρεμένος με τον συνολικό αριθμό δεικτών) κυμαινόταν από 0,002 έως 0,354 με συνολικό μέσο όρο 0,103. Περίπου οι μισές από τις αμιγείς γραμμές εμφάνισαν ετεροζυγωτία μικρότερη από 0,05 και το 67% των αμιγών γραμμών είχαν ετεροζυγωτία μικρότερη από 0,125.

Δομή πληθυσμού, συγγένεια και γενετική απόσταση

Τα 411 άτομα στο τρέχον πλαίσιο συσχέτισης έδειξαν μέτρια δομή (Συμπληρωματικό Σχήμα S1), η οποία είναι μία από τις πιθανές αιτίες για ψευδώς θετικά αποτελέσματα κατά την ανάλυση συσχέτισης χαρακτηριστικών δεικτών. Στο FarmCPU, οι τρεις πρώτοι υπολογιστές συνιστάται να προστεθούν στο μοντέλο GWAS για να ελαχιστοποιηθεί ο κίνδυνος ψευδώς θετικών (Liu et al., 2016) που προκύπτουν από τη δομή του πληθυσμού. Παρόλο που απαιτήθηκαν 79 υπολογιστές για να εξηγήσουν το 50% της διακύμανσης στις ενδογαμικές γραμμές, μόνο 3 υπολογιστές (εξηγώντας gt; 10% της διακύμανσης) συμπεριλήφθηκαν στην ανάλυση FarmCPU GWAS. Η έξοδος της μεθόδου FarmCPU περιλαμβάνει τα αποτελέσματα των υπολογιστών που παρέχονται από τον χρήστη, τα οποία αποδείχθηκαν μικρά για όλα τα χαρακτηριστικά που αναλύθηκαν.

Μια άλλη σημαντική παράμετρος που επηρεάζει το GWAS είναι η συγγένεια μεταξύ των εξεταζόμενων ενδογαμικών γραμμών. Περίπου το 99% των συγκρίσεων κατά ζεύγη συγγένειας μεταξύ 411 αμιγών γραμμών είχαν τιμή lt;0,5, υποδεικνύοντας τη χαμηλή συγγένεια μεταξύ των αμιγών γραμμών που χρησιμοποιούνται για το GWAS. Ο χάρτης θερμότητας συγγένειας (Συμπληρωματικό Σχήμα S2) που δημιουργήθηκε χρησιμοποιώντας τον αλγόριθμο vanRanden στο βασικό σενάριο “GAPIT” έδειξε επίσης χαμηλά επίπεδα συγγένειας μεταξύ των περισσότερων ζευγών αμιγών γραμμών. Στον χάρτη θερμότητας, η μέτρηση των τιμών συγγένειας έφτασε στο μέγιστο στην τιμή του μηδέν, επιβεβαιώνοντας περαιτέρω τα χαμηλά επίπεδα συγγένειας μεταξύ των δοκιμαζόμενων ενδογαμικών γραμμών. Επιπλέον, η γενετική απόσταση μεταξύ 84.255 συγκρίσεων κατά ζεύγη κυμάνθηκε από 0,004 έως 0,339 με μέσο όρο 0,311. Το ποσοστό των συγκρίσεων κατά ζεύγη με τιμές υψηλότερες από 0,3 ήταν 14,95% και με τιμές υψηλότερες από 0,2 ήταν περισσότερο από 99%.

Ανισορροπία σύνδεσης

Η απόσταση στην οποία επιμένει η LD θα ελέγχει τον αριθμό και την πυκνότητα του δείκτη, καθώς και τον κατάλληλο πειραματικό σχεδιασμό για την εκτέλεση μιας ανάλυσης συσχέτισης (Flint-Garcia et al., 2003). Τα LD σε όλο το γονιδίωμα και τα ειδικά για το χρωμόσωμα σε αυτή τη μελέτη εκτιμήθηκαν σε δύο κρίσιμα επίπεδα r ^{2 (r}² = 2,0 και r ² = 0,34, Πίνακας 4). Στην ανάλυση LD σε όλο το γονιδίωμα, οι τιμές r ² μόνο για το 6% των συνολικών συγκρίσεων ανά ζεύγη ήταν σημαντικές (P lt; 0,001). Το ποσοστό των σημαντικών τιμών r ² για τα 10 χρωμοσώματα ήταν στο ίδιο εύρος (3-4%). Μεταξύ των σημαντικών τιμών r ² , η αναλογία με r ²gt; 0,2 ήταν το χαμηλότερο για την LD σε όλο το γονιδίωμα (3%) σε σύγκριση με μεμονωμένα χρωμοσώματα (κυμαινόμενο από 5 έως 8% με μέσο όρο 6%).

Πίνακας 4. Η διάσπαση της LD σε επίπεδο γονιδιώματος και χρωμοσώματος σε δύο κρίσιμες τιμές r ^{2 (0,2 και 0,34).}

Οι διασπάσεις LD σε όλο το γονιδίωμα σε r ² = 0,20 και r ² = 0,34 ήταν 0,24 και 0,19 Mbp, αντίστοιχα (Συμπληρωματικό Σχήμα S3). Οι ειδικές για το χρωμόσωμα διασπάσεις LD κυμαίνονταν από 0,13 έως 0,34 Mbps με μέσο όρο 0,22 Mbp στο κρίσιμο r ² = 0,20 και κυμαίνονταν από 0,04 έως 0,18 Mbps με μέσο όρο 0,10 Mbp. Στο r ² = 0,34, η διάσπαση της LD ήταν ταχύτερη για το χρωμόσωμα 10 (0,13 Mbp) και επεκτάθηκε για το χρωμόσωμα 9 (0,34 Mbp). Στο r ² = 0,34, η LD διασπάστηκε γρήγορα για το χρωμόσωμα 6 (0,04 Mbp) και καθυστέρησε ξανά για το χρωμόσωμα 9 (0,18). Η διάσπαση LD στο αυθαίρετο r ² = 0,2 ήταν λιγότερο μεταβλητή από τη διάσπαση LD στο υπολογισμένο r ² = 0,34.

Αναλύσεις συσχέτισης χαρακτηριστικών δεικτών σε επίπεδο γονιδιώματος

Η γραφική παράσταση Q–Q του μοντέλου FarmCPU είχε ως αποτέλεσμα μια έντονη απόκλιση από την αναμενόμενη κατανομή της τιμής P στην περιοχή της ουράς, δείχνοντας ότι τα ψευδώς θετικά και τα αρνητικά ελέγχονταν επαρκώς (Συμπληρωματικό Σχήμα S4). Οι αναλύσεις GWAS αποκάλυψαν 38 και 45 σημαντικά SNPs υπό βέλτιστες και χαμηλές συνθήκες Ν, αντίστοιχα, σε επίπεδο σημαντικότητας Bonferroni 5% (P lt;2,7 × 10 ^-7 , Πίνακες 5-7 και Συμπληρωματικό Σχήμα S4). Και για τα οκτώ χαρακτηριστικά, ο αριθμός των σημαντικών SNP μειώθηκε σε 33 υπό τις βέλτιστες και 27 υπό συνθήκες χαμηλού N όταν ένα αυστηρό επίπεδο σημαντικότητας Bonferroni 1% (P lt; 5,4 × 10 ^-8) χρησιμοποιήθηκε. Η κατανομή των σημαντικών SNP στα χρωμοσώματα κυμαινόταν μεταξύ 2 στο χρωμόσωμα 9 και 15 στο χρωμόσωμα 1 σε ουδό Bonferroni 5% και κυμαινόταν από 2 (χρωμόσωμα 9) έως 12 (χρωμόσωμα 1) σε όριο Bonferroni 1%. Το MAF για σημαντικά SNP κυμαινόταν μεταξύ 8 και 35% σε ένα όριο Bonferroni P lt; 1% και μεταξύ 13 και 35% σε ένα όριο Bonferroni P lt; 5%.

Πίνακας 5. Αριθμός δεικτών που σχετίζονται σημαντικά με την απόδοση κόκκου και άλλα χαρακτηριστικά σε επίπεδα κατωφλίου Bonferroni 5 και 1%.

Οι αναλύσεις συσχέτισης για το GY εντόπισαν πέντε σημαντικά SNPs υπό βέλτιστες συνθήκες και έξι σημαντικά SNPs υπό συνθήκες χαμηλού N σε ένα όριο Bonferroni 5%. Το αλληλόμορφο αποτέλεσμα (διαφορά στη μέση απόδοση για το GY μεταξύ των testcross υβριδίων με κύριο αλληλόμορφο και δευτερεύον αλληλόμορφο) για αυτά τα σημαντικά SNPs κυμαινόταν από -0,16 έως 0,39 υπό βέλτιστες συνθήκες και −0,10 έως 0,11 υπό συνθήκες χαμηλού N. Μια θετική τιμή δείχνει ότι το δευτερεύον αλληλόμορφο ήταν το ευνοϊκό αλληλόμορφο που σχετίζεται με την αύξηση του GY και μια αρνητική τιμή δείχνει ότι το μείζον αλληλόμορφο ήταν το ευνοϊκό αλληλόμορφο που σχετίζεται με το GY. Τα σημαντικά SNPs για το GY βρέθηκαν στα χρωμοσώματα 1, 2, 4, 5, 7, 8 και 10 με το πιο σημαντικό να βρίσκεται στο χρωμόσωμα 10 (P = 1,78 × ^10-12). Τα χρωμοσώματα 4, 8 και 10 είχαν SNP που ταυτοποιήθηκαν μόνο υπό βέλτιστες συνθήκες, ενώ τα χρωμοσώματα 1 και 7 φιλοξενούσαν SNP που ανιχνεύθηκαν μόνο υπό συνθήκες χαμηλού N. Τα χρωμοσώματα 2 και 5 φιλοξενούσαν SNPs που ταυτοποιήθηκαν και υπό συνθήκες βέλτιστου και χαμηλού Ν. Πληροφορίες για όλα τα σημαντικά SNP, το αντίστοιχο MAF τους και το αλληλικό αποτέλεσμα παρατίθενται στον Πίνακα 6.

Πίνακας 6. Κατάλογος σημαντικών SNP που σχετίζονται με GY και AD υπό βέλτιστες και χαμηλές διαχειρίσεις N χρησιμοποιώντας το μοντέλο FarmCPU με ουδό Bonferroni P lt; 0,05.

Για την AD, συνολικά 13 σημαντικά SNPs, 6 κάτω από το βέλτιστο και 8 με χαμηλό Ν, ανιχνεύθηκαν σε όλα τα χρωμοσώματα εκτός από τα χρωμοσώματα 5 και 9 (Πίνακας 6). Ένα SNP στο χρωμόσωμα 2 (S2_210662089; P = 1,77E-08 υπό χαμηλό N, P = 4,87E-08 υπό το βέλτιστο) ήταν κοινό μεταξύ βέλτιστων και χαμηλών συνθηκών N. Τα SNP στα χρωμοσώματα 2, 6 και 7 ανιχνεύθηκαν και υπό συνθήκες βέλτιστου και χαμηλού N, ενώ όλα τα άλλα SNP ήταν ειδικά είτε για συνθήκες χαμηλού N είτε για βέλτιστες συνθήκες. Το αλληλόμορφο αποτέλεσμα για αυτά τα σημαντικά SNP κυμάνθηκε από -0,40 έως 0,46 υπό βέλτιστες συνθήκες και −0,76 έως 0,76 υπό συνθήκες χαμηλού N. Ο μεγαλύτερος αριθμός σημαντικών SNPs εντοπίστηκε για ASI ακολουθούμενο από AD. Για το ASI, 18 σημαντικά SNPs κατανεμήθηκαν και στα 10 χρωμοσώματα (Πίνακας 7). Το χρωμόσωμα 6 είχε SNP που ανιχνεύθηκε κάτω από χαμηλό Ν, ενώ τα χρωμοσώματα 5, 7, 8, και 9 είχαν SNP που σχετίζονται με ASI μόνο για βέλτιστες συνθήκες. Όλα τα άλλα χρωμοσώματα έφεραν SNP τόσο για βέλτιστες όσο και για συνθήκες χαμηλού N. Το SNP στο χρωμόσωμα 5 ήταν το πιο σημαντικό στην τρέχουσα μελέτη (P = 4,59E-14). Δύο SNP στο χρωμόσωμα 3 (S3_147401613 για ASI κάτω από χαμηλό N και S3_149683417 για AD κάτω από το βέλτιστο) και άλλα δύο SNP στο χρωμόσωμα 7 (S7_155590511 για ASI και S7_15647605 το καθένα από μερικά άλλα optimum. Το αλληλόμορφο αποτέλεσμα για αυτά τα σημαντικά SNPs κυμαινόταν από -0,21 έως 0,37 υπό βέλτιστες συνθήκες και −0,16 έως 0,17 υπό συνθήκες χαμηλού N (Πίνακας 7). Δύο SNP στο χρωμόσωμα 3 (S3_147401613 για ASI κάτω από χαμηλό N και S3_149683417 για AD κάτω από το βέλτιστο) και άλλα δύο SNP στο χρωμόσωμα 7 (S7_155590511 για ASI και S7_15647605 το καθένα από μερικά άλλα optimum. Το αλληλόμορφο αποτέλεσμα για αυτά τα σημαντικά SNPs κυμαινόταν από -0,21 έως 0,37 υπό βέλτιστες συνθήκες και −0,16 έως 0,17 υπό συνθήκες χαμηλού N (Πίνακας 7). Δύο SNP στο χρωμόσωμα 3 (S3_147401613 για ASI κάτω από χαμηλό N και S3_149683417 για AD κάτω από το βέλτιστο) και άλλα δύο SNP στο χρωμόσωμα 7 (S7_155590511 για ASI και S7_15647605 το καθένα από μερικά άλλα optimum. Το αλληλόμορφο αποτέλεσμα για αυτά τα σημαντικά SNPs κυμαινόταν από -0,21 έως 0,37 υπό βέλτιστες συνθήκες και −0,16 έως 0,17 υπό συνθήκες χαμηλού N (Πίνακας 7).

Πίνακας 7. Λεπτομέρειες των σημαντικών SNP που σχετίζονται με ASI, Pht, Eht, EPO, EPP και SEN υπό βέλτιστες και χαμηλές διαχειρίσεις N χρησιμοποιώντας το μοντέλο FarmCPU με όριο Bonferroni P lt; 0,05.

Το PH, το EH και το EPO είναι αλληλένδετα αγρονομικά χαρακτηριστικά στον αραβόσιτο. Σε επίπεδο Bonferroni 5%, ανιχνεύθηκαν 9, 12 και 10 σημαντικά SNP για PH, EH και EPO, αντίστοιχα. Μεταξύ αυτών των SNP, 4, 10 και 6 συσχετίστηκαν με PH, EH και EPO, αντίστοιχα, ειδικά υπό συνθήκες χαμηλού N. Ένα SNP στο χρωμόσωμα 6 (S6_97945994, P = 4,75E-11 κάτω από χαμηλό Ν και P = 1,47E-08 κάτω από το βέλτιστο) ήταν κοινό μεταξύ των βέλτιστων και χαμηλών συνθηκών Ν για την ΕΡΟ. Τα SNP που σχετίζονται σημαντικά με το χαρακτηριστικό στόχο τόσο με τη βέλτιστη όσο και με τη διαχείριση χαμηλού N βρέθηκαν στα χρωμοσώματα 3 και 4 για το PH. χρωμόσωμα 2 για EH; και τα χρωμοσώματα 1, 6 και 10 για την ΕΡΟ. Άλλα χρωμοσώματα περιείχαν SNP που ανιχνεύθηκαν μόνο υπό μία συνθήκη διαχείρισης. Υπό βέλτιστες συνθήκες, η αλληλική επίδραση σημαντικών SNPs για το PH κυμαινόταν από -2,77 έως 3,46. για το EH, το εύρος κυμαινόταν από -1,71 έως 1,75. ενώ για την ΕΡΟ, το φαινόμενο αλληλόμορφου ήταν μικρό. Αντίθετα, υπό συνθήκες χαμηλού Ν, η αλληλική επίδραση των σημαντικών SNPs για το PH κυμαινόταν από -3,54 έως 2,50. για το EH, το εύρος κυμαινόταν από -2,55 έως 2,60. ενώ για την ΕΡΟ, το εύρος των επιδράσεων των αλληλόμορφων ήταν μικρό.

Το EPP είχε τέσσερα σημαντικά SNP, όλα υπό συνθήκες χαμηλού N. Αυτά τα SNP κατανεμήθηκαν στα χρωμοσώματα 1, 4, 5 και 10. Τα SNP για EPP στα χρωμοσώματα 4, 5 και 10 βρίσκονταν κοντά στα SNP που προσδιορίστηκαν για GY υπό τις βέλτιστες συνθήκες. Το αλληλικό αποτέλεσμα για αυτά τα σημαντικά SNP ήταν πολύ μικρό και κυμαινόταν μεταξύ -0,02 και 0,01 υπό συνθήκες χαμηλού N (Πίνακας 7). Σε αντίθεση με όλα τα άλλα γνωρίσματα που ερευνήθηκαν σε αυτή τη μελέτη, σημαντικά SNPs για SEN ανιχνεύθηκαν μόνο υπό βέλτιστες συνθήκες N με επιδράσεις αλληλόμορφων που κυμαίνονται από -0,08 έως 0,10.

Η διαθεσιμότητα κοινών δεικτών για πολλαπλά χαρακτηριστικά είναι ζωτικής σημασίας για την ταυτόχρονη βελτίωση δύο ή περισσότερων χαρακτηριστικών. Σε αυτή τη μελέτη, εντοπίστηκε ένα κοινό SNP για EPO και EH υπό συνθήκες χαμηλού N στο χρωμόσωμα 1 (S1_274946693, P = 3,01E-09). Επιπλέον, υπήρχαν μερικά στενά συνδεδεμένα SNP στο χρωμόσωμα 1 που σχετίζονται με την EPO και την EH υπό συνθήκες χαμηλού N. και ΡΗ και ΕΡΟ υπό βέλτιστες και ΕΗ υπό συνθήκες χαμηλού Ν.

Με βάση τις φυσικές θέσεις των σημαντικά συσχετισμένων SNPs, βρέθηκαν συνολικά 56 και 80 γονίδια ^{4 που υποτίθεται ότι είναι τα πιθανά υποψήφια γονίδια για το GY και άλλα χαρακτηριστικά για βέλτιστες και χαμηλές συνθήκες Ν, αντίστοιχα.}Ο κατάλογος αυτών των 136 γονιδίων και οι αντίστοιχοι λειτουργικοί σχολιασμοί τους παρέχονται στον Συμπληρωματικό Πίνακα S1. Επτά SNP συνδέθηκαν με τέσσερα γνωστά γονίδια. Τα γονίδια Independent Endosperm 1 (FIE1) και Teosinte Glume Architecture (TGA1) από τη γονιμοποίηση ήταν σε LD με S4_37297564 και S4_46166070, αντίστοιχα στο χρωμόσωμα 4. Το FIE1 συσχετίστηκε με ASI υπό συνθήκες χαμηλού N και το TGA1 συνδέθηκε optimum με PH.

Οι ακρίβειες πρόβλεψης ήταν μέτριες έως υψηλές και για τα οκτώ χαρακτηριστικά και υπό συνθήκες βέλτιστου και χαμηλού Ν (Εικόνα 3). Η παρατηρούμενη ακρίβεια πρόβλεψης για GY, AD, ASI, PH, EH, EPO, EPP και SEN ήταν 0,42, 0,62, 0,59, 0,48, 0,60, 0,54, 0,29 και 0,52, αντίστοιχα, υπό τις βέλτιστες συνθήκες, υπό τις βέλτιστες συνθήκες 0,4, 0,6, 0,62, 0,62, 0,59, 0,48, 0,60, 0,54, 0,29 και 0,52, αντίστοιχα, 0,45, 0,6. , 0,53, 0,64, 0,63, 0,42 και 0,24, αντίστοιχα, υπό συνθήκες χαμηλού Ν. Οι ακρίβειες πρόβλεψης μειώθηκαν ελαφρώς όταν οι πληθυσμοί εκπαίδευσης προήλθαν από τις βέλτιστες συνθήκες και χρησιμοποιήθηκαν για την πρόβλεψη της απόδοσης του ίδιου χαρακτηριστικού/ων υπό συνθήκες χαμηλού N. Η παρατηρούμενη ακρίβεια πρόβλεψης για το GY μειώθηκε δραστικά στο 0,20, ενώ για άλλα χαρακτηριστικά όπως AD, ASI, PH, EH, EPO, EPP και SEN, οι ακρίβειες ήταν 0,65, 0,71, 0,46, 0,61, 0,64, 0,20, και 0,20, αντίστοιχα.

Σχήμα 3. Ακρίβεια πρόβλεψης για ΜΠΛΕ που υπολογίζεται σε όλες τις τοποθεσίες για οκτώ ελεγμένα γνωρίσματα υπό βέλτιστες και χαμηλές συνθήκες Ν χρησιμοποιώντας SNP σε όλο το γονιδίωμα. Βέλτιστο—σύνολο προπόνησης και εκτίμησης εντός βέλτιστης συνθήκης, Χαμηλό N—το σύνολο προπόνησης και εκτίμησης είναι εντός συνθηκών χαμηλού N, Βέλτιστο–Χαμηλό Ν—η προπόνηση βασίζεται σε βέλτιστες συνθήκες και η εκτίμηση είναι σε συνθήκες χαμηλού N. GY, απόδοση σιτηρών. μ.Χ., ημέρες μέχρι την άνθηση. ASI, διάστημα άνθησης-μεταξίωσης. PH, ύψος φυτού; EH, ύψος αυτιού; EPO, θέση αυτιού. ΕΛΚ, αυτιά ανά φυτό. και SEN, senescence.

Συζήτηση

Στην SSA, οι μικροκαλλιεργητές αντιμετωπίζουν δυσκολίες στην τήρηση της συνιστώμενης δόσης εφαρμογής λιπάσματος για τη συγκομιδή του πραγματικού δυναμικού απόδοσης. Η κατανόηση της απόδοσης του GY και των σχετικών χαρακτηριστικών του σε έδαφος χαμηλού N θα είναι επωφελής για την ανάπτυξη ποικιλιών αραβοσίτου που είναι ανθεκτικές σε χαμηλές τάσεις. Ωστόσο, ο ακριβής και συνεπής προσδιορισμός φαινοτύπου υπό συνθήκες χαμηλού N είναι προκλητικός και προκατειλημμένος από τον γονότυπο, το περιβάλλον, το έδαφος, τη διαχείριση και τις αλληλεπιδράσεις τους. Ως εκ τούτου, η ενσωμάτωση σύγχρονων εργαλείων αναπαραγωγής με τη συμβατική αναπαραγωγή όχι μόνο βελτιώνει την κατανόηση της γενετικής βάσης της απόδοσης των χαρακτηριστικών σε χαμηλό Ν, αλλά βοηθά επίσης στην ανάπτυξη βελτιωμένων ποικιλιών με υψηλή απόδοση και σταθερή απόδοση.

Η επαρκής διακύμανση σε φαινοτυπικό επίπεδο και ένα υψηλό επίπεδο πολυμορφισμών σε επίπεδο αλληλουχίας DNA είναι ζωτικοί παράγοντες για υψηλής ποιότητας γενετική χαρτογράφηση (Yan et al., 2009). Τα φαινοτυπικά δεδομένα σε συνθήκες χαμηλού Ν έχουν συνήθως χαμηλή κληρονομικότητα λόγω της εγγενούς μεταβλητότητας σε πεδία χαμηλού Ν τάσεων. Σε αυτή τη μελέτη, παρατηρήθηκε εκτεταμένη γενετική διακύμανση με μέτρια έως υψηλή κληρονομικότητα και υψηλή γενετική διακύμανση τόσο σε συνθήκες βέλτιστου όσο και σε συνθήκες χαμηλού Ν. Βρήκαμε σημαντική γονοτυπική και περιβαλλοντική διακύμανση για το GY και άλλα αγρονομικά χαρακτηριστικά. Αρκετοί ερευνητές ανέφεραν επίσης παρόμοιες σημαντικές παραλλαγές ως προς το αβιοτικό στρες (Betrán et al., 2003; Worku et al., 2007; Derera et al., 2008; Badu-Apraku et al., 2015; Ribeiro et al., 2018). . Το υψηλό σημαντικό GXE που παρατηρήθηκε υπό συνθήκες χαμηλού Ν για όλα τα χαρακτηριστικά συμφωνεί με τα ευρήματα των Makumbi et al. (2011), Ertiro (2018) και Ribeiro et al. (2018). Οι εκτιμήσεις υψηλής κληρονομικότητας που καταγράφηκαν για τα περισσότερα μετρούμενα χαρακτηριστικά υπό συνθήκες βέλτιστου και χαμηλού Ν έδειξαν ότι η έκφραση αυτών των χαρακτηριστικών ήταν συνεπής. Τα περισσότερα από τα χαρακτηριστικά είχαν ουσιαστικά υψηλές εκτιμήσεις κληρονομικότητας που υποδεικνύουν τη σταθερότητά τους στην έκφραση, και επιπλέον, συσχετίζονται επίσης σε μεγάλο βαθμό με το GY, το οποίο μπορεί να χρησιμοποιηθεί στην έμμεση επιλογή για την αύξηση του GY σε κάθε περιβάλλον. Αυτά τα αποτελέσματα είναι συνεπή με τα ευρήματα των Ertiro (2018) και Ribeiro et al. (2018). Σχετικά μικρά πειραματικά σφάλματα σε αυτή τη μελέτη αποδόθηκαν στη χρήση πολλών θέσεων (9 βέλτιστες και 13 χαμηλές Β) με κατάλληλους πειραματικούς σχεδιασμούς, το οποίο εκτίμησε αποτελεσματικά τους κύριους ποσοτικούς γενετικούς παράγοντες που σχετίζονται με τα χαρακτηριστικά. Ως αποτέλεσμα, τα μέσα φαινοτυπικά δεδομένα των περισσότερων χαρακτηριστικών κατανεμήθηκαν κανονικά παρουσιάζοντας ένα ιδανικό σύνολο δεδομένων για μελέτη συσχέτισης δείκτη-χαρακτηριστικών σε όλο το γονιδίωμα (Πίνακας 2 και Εικόνα 1).

Οι συσχετίσεις μεταξύ GY και άλλων αγρονομικών χαρακτηριστικών άλλαξαν με τις συνθήκες διαχείρισης (Εικόνα 2). Υπό τη βέλτιστη συνθήκη, το GY ήταν σημαντικό και συσχετίστηκε θετικά με AD, PH, EH, EPO και EPP, αλλά παρέμεινε ανεξάρτητο με ASI. Ενώ υπό συνθήκες χαμηλού N, αυτές οι συσχετίσεις μειώθηκαν δραστικά, όπως σημαντικές αλλά αρνητικά συσχετισμένες με ASI και καμία σημαντική συσχέτιση με PH, EH και EPO. Αυτό πρέπει να λαμβάνεται υπόψη κατά την αναπαραγωγή για GY κάτω από χαμηλό Ν, καθώς άλλα χαρακτηριστικά που σχετίζονται με την απόδοση μπορεί να μην έχουν παρόμοιες συσχετίσεις όπως αναμέναμε υπό τις βέλτιστες συνθήκες. Το EPP ήταν σημαντικό και συσχετίστηκε αρνητικά με AD, ASI, PH, EH και EPO. Το SEN ήταν σημαντικό και συσχετίστηκε αρνητικά με το GY και άλλα χαρακτηριστικά εκτός από το EPP.

Πραγματοποιήθηκε μια μελέτη συσχέτισης δείκτη-χαρακτηριστικών για τα οκτώ γνωρίσματα, τα οποία αξιολογήθηκαν υπό βέλτιστες και διαχειριζόμενες συνθήκες χαμηλού Ν στρες. Διάφοροι παράγοντες επηρεάζουν τα αποτελέσματα GWAS, συμπεριλαμβανομένων, ενδεικτικά, της ποιότητας των φαινοτυπικών δεδομένων, της πολυπλοκότητας της γενετικής αρχιτεκτονικής του χαρακτηριστικού, της έκτασης της γενετικής ποικιλότητας στο βλαστικό πλάσμα και των σχέσεων LD μεταξύ αιτιολογικών παραλλαγών και γονότυπου SNP (Flint-Garcia et. al., 2003· Zhu et al., 2008· Soto-Cerda and Cloutier, 2010· Scherer and Christensen, 2016). Ωστόσο, οι παράγοντες που επηρεάζουν την ακρίβεια του GWAS θα μπορούσαν να βελτιωθούν μέσω κατάλληλων πειραματικών σχεδίων και στατιστικών πακέτων.

Το σύνολο των σειρών που χρησιμοποιήθηκαν σε αυτή τη μελέτη συγκεντρώθηκε από διαφορετικά προγράμματα αναπαραγωγής τροπικών τροπικών περιοχών στο πλαίσιο του παγκόσμιου προγράμματος αραβοσίτου CIMMYT και των εθνικών συστημάτων γεωργικής έρευνας (NARS) στην Αφρική, και αυτές οι σειρές εκτράφηκαν για ανοχή σε διάφορες βιοτικές και αβιοτικές καταπονήσεις (Gowda et al. , 2015). Δεν είναι απροσδόκητο να αποκτήσουμε υψηλή γενετική απόσταση και χαμηλότερη συγγένεια μεταξύ των αμιγών γραμμών. Ως εκ τούτου, αναμένεται η διαστρωμάτωση των ενδογαμικών σειρών σε διαφορετικές ομάδες με βάση τους στόχους αναπαραγωγής και την προσαρμογή. Οι τυπικές στατιστικές δοκιμών GWAS υποθέτουν ότι όλα τα υλικά που περιλαμβάνονται για την ανάλυση δεν σχετίζονται και επιλέγονται από ομοιόμορφο, τυχαίο ζευγάρωμα πληθυσμού. Οποιαδήποτε απόκλιση από αυτές τις υποθέσεις μπορεί να προκαλέσει απρόβλεπτα αποτελέσματα (Scherer and Christensen, 2016) που οδηγούν σε ψευδείς συσχετισμούς λόγω ψευδώς θετικών αποτελεσμάτων.

Η έκταση της LD σε ένα σύνολο βλαστικού πλάσματος επηρεάζει την ανάλυση χαρτογράφησης και τον αριθμό των δεικτών που απαιτούνται για τις μελέτες χαρτογράφησης συσχέτισης (Yu and Buckler, 2006). Η LD επηρεάζεται περαιτέρω από την έκταση της γενετικής ποικιλότητας που καταγράφεται από τον υπό μελέτη πληθυσμό (Soto-Cerda και Cloutier, 2010). Οι διασπάσεις LD σε όλο το γονιδίωμα και το χρωμόσωμα σε αυτή τη μελέτη επεκτάθηκαν σε μερικές εκατοντάδες κιλοβάσεις. Η διάσπαση της LD σε όλο το γονιδίωμα ήταν 230 kb σε r2 ⁼ 0,2 και ήταν 190 kb σε r2 ⁼ 0,34. Για μεμονωμένα χρωμοσώματα, αυτή η τιμή ήταν στην περιοχή από 130–340 kb σε r ² = 0,2 και 40–180 kb σε r ²= 0,34. Οι Gowda et al. (2015) βρήκε επίσης παρόμοια αποτελέσματα για ένα υποσύνολο αυτού του πίνακα συσχέτισης που χρησιμοποιήθηκε στη μελέτη τους. Προηγούμενες μελέτες για τον αραβόσιτο έδειξαν ταχεία αποσύνθεση της LD (1 kb) σε ντόπιες φυλές, περίπου 2 kb σε διαφορετικές αμιγείς γραμμές και έως και αρκετές εκατοντάδες κιλοβάσεις σε εμπορικές ελίτ ενδογαμικές γραμμές (Jung et al., 2004). Το σχετικά υψηλό LD στην τρέχουσα μελέτη οφείλεται στη συμπερίληψη ελίτ ενδογαμικών γραμμών που συναρμολογήθηκαν από προγράμματα τροπικής αναπαραγωγής στο CIMMYT και το NARS (Gowda et al., 2015). Με βάση την παρατηρούμενη LD, σημαντικές συσχετίσεις δείκτη-χαρακτηριστικών μπορούν να εντοπιστούν χρησιμοποιώντας έναν μέτριο έως υψηλό αριθμό δεικτών (Yan et al., 2011).

Λαμβάνοντας υπόψη τη συγγένεια της οικογένειας και τη δομή του πληθυσμού, η FarmCPU εντόπισε πολλά SNP που σχετίζονται με την αιτιολογική παραλλαγή για κάθε χαρακτηριστικό υπό βέλτιστες και χαμηλές συνθήκες N. Από τις 83 συσχετίσεις χαρακτηριστικών SNP που δηλώθηκαν σημαντικές σε όριο Bonferroni 5%, τρία SNP στα χρωμοσώματα 1, 2 και 6 συσχετίστηκαν είτε με διαφορετικά χαρακτηριστικά είτε με διαφορετικές συνθήκες διαχείρισης για το ίδιο χαρακτηριστικό, υποδηλώνοντας πλειοτροπικές επιδράσεις γονιδίων που σχετίζονται με αυτά τα σημαντικά μαρκαδόροι. Τα κοινά SNPs υπό συνθήκες βέλτιστου και χαμηλού N θα ήταν χρήσιμα για την ταυτόχρονη βελτίωση του χαρακτηριστικού/ων τόσο για συνθήκες βέλτιστης όσο και χαμηλής τάσης N.

Εκτός από την ανακάλυψη SNP που σχετίζονται σημαντικά με χαρακτηριστικά, η αναγνώριση υποτιθέμενων γονιδίων σε LD με σημαντικά SNPs και η μελέτη της λειτουργίας των γονιδίων και των βιολογικών οδών στις οποίες συμμετέχουν τα υποτιθέμενα γονίδια (Scherer and Christensen, 2016) είναι ζωτικής σημασίας για τη χρήση αυτών των SNP στην αναπαραγωγή. προγράμματα. Τα υποθετικά γονίδια αναζητήθηκαν στο αραβόσιτο gdb ⁵ και στο σύνολο ⁶ιστοσελίδες. Το γονίδιο FIE1, πιθανόν να έχει αποκτήσει σημαντικές νέες λειτουργίες για την ανάπτυξη του ενδοσπερμίου και τα μητρικά του αλληλόμορφα, ενεργοποιείται 2 ημέρες μετά την επικονίαση (Hermon et al., 2007) υποδεικνύοντας το ρόλο του στην ASI. Το στενό ASI είναι ένα από τα επιθυμητά δευτερεύοντα γνωρίσματα που συσχετίζεται σημαντικά με το υψηλό GY υπό συνθήκες στρες. Ο δείκτης που συνδέεται με το γονίδιο θα μπορούσε να χρησιμοποιηθεί για την επιλογή γονότυπων που έχουν ευνοϊκά αλληλόμορφα για στενό ASI.

Το Teosinte glumearchitect1 (TGA1) είναι ένα άλλο βασικό γονίδιο στην εξέλιξη του teosinte που εξέθεσε τον πυρήνα στην επιφάνεια του αυτιού στο σύγχρονο καλαμπόκι (Wang et al., 2005), το οποίο έδειξε ισχυρή συσχέτιση με SNPs που προσδιορίστηκαν για PH. Ο προσδιορισμός των συνοριακών επιδράσεων του TGA1 μείωσε ή εξάλειψε την έκφραση του γονιδίου TGA1 χρησιμοποιώντας το κατασκεύασμα RNAi (παρεμβολή ριβονουκλεϊκού οξέος). Σε διάφορα χαρακτηριστικά διακλάδωσης και πυρήνα, οι γραμμές αραβοσίτου που εκφράζουν ένα κατασκεύασμα RNAi που στοχεύει το TGA1 εμφάνισαν πλειοτροπικά μορφολογικά αποτελέσματα (Wang et al., 2015). Όσον αφορά τη διακλάδωση, αυτές οι γραμμές RNAi πιθανώς αφαιρούν την κατασταλτική λειτουργία του TGA1/γειτονικό του tag1 (NOT1), επιτρέποντας την ανάπτυξη των μασχαλιαίων κλάδων. Τόσο το TGA1 όσο και το NOT1 ανήκουν στην οικογένεια παραγόντων μεταγραφής των πρωτεϊνών δέσμευσης προαγωγέα SQUAMOSA (SBP). Έχει αποδειχθεί ότι τα μέλη αυτής της οικογένειας ρυθμίζουν την ανάπτυξη του μεριστώματος και επίσης παίζουν ρόλο στην παραγωγή τόσο της αρχιτεκτονικής των φυτών όσο και των φαινοτύπων των αυτιών (Chuck et al., 2010, 2014). Η παρουσία του TGA1/NOT1 σε διπλό μπορεί να διευκόλυνε την υπολειτουργικοποίησή του. Για παράδειγμα, το TGA1 μόνο ελέγχει τη θήκη/στάχυα του καρπού, ενώ το TGA1 λειτουργεί με περιττό τρόπο με το NOT1 για να ρυθμίζει τα χαρακτηριστικά της αρχιτεκτονικής των φυτών. Έτσι, ο δείκτης SNP που σχετίζεται με το TGA1 είναι χρήσιμος για το MAS.

Ένα άλλο SNP (S4_237693358) στο χρωμόσωμα 4 που σχετίζεται με PH υπό συνθήκες χαμηλού N συνδέθηκε με τρία μοντέλα γονιδίων, συγκεκριμένα, Zm00001d053632, Zm00001d053633 και Zm00001d053635. Αυτά τα μοντέλα γονιδίων ήταν σε LD με ένα γνωστό γονίδιο “RPS8”, ριβοσωμική πρωτεΐνη S8. Το RPS8 ανήκει στην οικογένεια ριβοσωμικών πρωτεϊνών 40S S8. Αυτό το γονίδιο συσχετίστηκε με το PH υπό συνθήκες χαμηλού N, γεγονός που υποδεικνύει ότι τα γονίδια rps8 μπορεί να έχουν ρόλο στον έλεγχο του PH υπό συνθήκες στρες. Ένα άλλο SNP “S7_123828656” στο χρωμόσωμα 7 συσχετίστηκε με AD υπό συνθήκες χαμηλού N και ήταν σε LD με επτά μοντέλα γονιδίων, από τα οποία δύο (Zm00001d020584 και Zm00001d020585) συνδέθηκαν με ένα γνωστό γονίδιο ιστόνης H4 (H4C). Το γονίδιο ανήκει στην οικογένεια πρωτεϊνών ιστόνης Η4.

Η επιτυχής ενσωμάτωση σύγχρονων εργαλείων βοήθησε στην επίτευξη υψηλού γενετικού κέρδους για πολύπλοκα χαρακτηριστικά στην εκτροφή αραβοσίτου (Beyene et al., 2019; Yuan et al., 2019). Με ταχεία πρόοδο στην τεχνολογία γονότυπου και στα στατιστικά μοντέλα, η γονιδιωματική πρόβλεψη της αναπαραγωγικής αξίας έχει εφαρμοστεί με επιτυχία στον αραβόσιτο για ποσοτικά χαρακτηριστικά (Zhang et al., 2015, 2017; Beyene et al., 2019; Yuan et al., 2019). Στην παρούσα μελέτη, συγκρίναμε τις ακρίβειες πρόβλεψης υπό συνθήκες βέλτιστου και χαμηλού N (Εικόνα 3). Είναι ενδιαφέρον ότι οι ακρίβειες πρόβλεψης ήταν ελαφρώς υψηλότερες για GY, AD, ASI, EPO και EPP υπό συνθήκες χαμηλού N σε σύγκριση με τις βέλτιστες συνθήκες, ενώ για PH, EH και SEN, η ακρίβεια ήταν υψηλότερη υπό βέλτιστες συνθήκες. Η ακρίβεια που παρατηρήθηκε για όλα τα γνωρίσματα τόσο σε συνθήκες βέλτιστου όσο και σε συνθήκες χαμηλού Ν αποκαλύπτει την επίδραση της κληρονομικότητας καθώς τα χαρακτηριστικά με υψηλότερη κληρονομικότητα είχαν γενικά υψηλότερη ακρίβεια πρόβλεψης. Οι παρατηρούμενες ακρίβειες πρόβλεψης για το GY και άλλα χαρακτηριστικά είναι συγκρίσιμες με προηγούμενες μελέτες που αναφέρθηκαν υπό διαφορετικές καταπονήσεις στον αραβόσιτο (Zhang et al., 2015; Beyene et al., 2019; Yuan et al., 2019). Στο GS, το λιγότερο σύνθετο χαρακτηριστικό AD και ASI είχαν υψηλότερη ακρίβεια σε σύγκριση με το GY, το οποίο είναι συνεπές με τη φύση της πολυπλοκότητας των χαρακτηριστικών (Zhang et al., 2017; Yuan et al., 2019).

Η αναπαραγωγή για χαμηλή ανοχή σε Ν στρες είναι πολύπλοκη και πολύ δαπανηρή. Αρκετές μελέτες αναφέρθηκαν σχετικά με την αποτελεσματικότητα της έμμεσης επιλογής για τη βελτίωση της GY για χαμηλό Ν χρησιμοποιώντας δευτερεύοντα χαρακτηριστικά ή/και GY υπό βέλτιστες συνθήκες (Ertiro, 2018). Με παρόμοια υπόθεση, εδώ προσπαθήσαμε να χρησιμοποιήσουμε έναν πληθυσμό εκπαίδευσης που βασίζεται σε δεδομένα χαρακτηριστικών υπό βέλτιστες συνθήκες και να προβλέψουμε την ίδια απόδοση χαρακτηριστικών υπό συνθήκες χαμηλού N. Η παρατηρούμενη ακρίβεια πρόβλεψης για το GY είναι 0,20 (Εικόνα 3), πολύ χαμηλότερη από την απόδοση φαινοτυπικής επιλογής, η οποία είναι 0,41 (η τετραγωνική ρίζα της κληρονομικότητας του GY) υπό χαμηλή τάση N. Ωστόσο, με τρεις κύκλους ανά έτος και την απαίτηση μικρότερων πόρων για την εφαρμογή GS σε σύγκριση με τη φαινοτυπική επιλογή, Η GS έχει εγκριθεί για να ενσωματωθεί για τη βελτίωση της απόδοσης επιλογής για χαμηλή τάση N ως ελκυστική επιλογή σε έναν μακροπρόθεσμο στόχο του προγράμματος αναπαραγωγής. Για άλλα χαρακτηριστικά, οι ακρίβειες είναι σχετικά υψηλές, γεγονός που σαφώς υποστηρίζει τη χρησιμότητα του GS στη βελτίωσή τους είτε σε συνθήκες βέλτιστης είτε σε συνθήκες πίεσης.

Τα αποτελέσματα του GWAS αποκάλυψαν ότι το NUE στον αραβόσιτο ελέγχεται από πολυάριθμα γονίδια με δευτερεύουσες επιδράσεις, τα οποία επηρεάζονται σοβαρά από περιβαλλοντικούς παράγοντες και επομένως είναι δύσκολο να εντοπιστούν αποτελεσματικά μόνο με συμβατική αναπαραγωγή. Η υψηλή απόδοση και η μεγάλης κλίμακας τακτική φαινοτυπική αξιολόγηση απέχουν ακόμη πολύ από την εφαρμογή για πολλά προγράμματα αναπαραγωγής NARS. Το GS σε συνδυασμό με προσεγγίσεις χαρτογράφησης όπως η χαρτογράφηση GWAS και QTL μπορεί να βελτιώσει την αποτελεσματικότητα για τη βελτίωση του χαρακτηριστικού ενδιαφέροντος. Η ενσωμάτωση του GS με τα αποτελέσματα GWAS οδηγεί όχι μόνο στην αύξηση της ακρίβειας πρόβλεψης, αλλά βοηθά επίσης στην επικύρωση της λειτουργίας των αναγνωρισμένων υποψήφιων γονιδίων καθώς και στην αύξηση της συσσώρευσης ευνοϊκών αλληλόμορφων με μικρές και μεγάλες επιδράσεις. Επιπλέον, το GS μπορεί να μειώσει σημαντικά τους πόρους που απαιτούνται για την επιλογή και μπορεί να βελτιώσει την απόδοση αναπαραγωγής, ειδικά όταν ο προσδιορισμός γονότυπου είναι πολύ φθηνός και υπάρχουν διαθέσιμοι αρκετοί εμπορικοί πάροχοι υπηρεσιών. Με αυτό το είδος προόδου, μπορεί κανείς να αναμένει ότι η GS μπορεί να ενσωματώσει τα ισχυρά αποτελέσματα GWAS από προηγούμενες μελέτες και έργα και να τα χρησιμοποιήσει στην αναπαραγωγή αραβοσίτου με υψηλό NUE.

συμπέρασμα

Μέσω του GWAS, ανιχνεύθηκαν συσχετίσεις δείκτη-χαρακτηριστικού για το GY και άλλα γνωρίσματα που μετρήθηκαν υπό χαμηλό Ν και βέλτιστες συνθήκες. Ογδόντα τρεις σημαντικές συσχετίσεις δείκτη-χαρακτηριστικού εντοπίστηκαν για όλα τα γνωρίσματα τόσο σε συνθήκες βέλτιστης όσο και σε συνθήκες χαμηλού Ν. Δεν εντοπίστηκαν κοινοί δείκτες για το GY μεταξύ βέλτιστων και χαμηλών συνθηκών N, επιβεβαιώνοντας ότι ένας διαφορετικός γενετικός μηχανισμός για το GY υπό συνθήκες βέλτιστου και χαμηλού N είναι πιθανό. Το αποτέλεσμα επιβεβαιώνει περαιτέρω την υψηλότερη αποτελεσματικότητα της άμεσης επιλογής σε περιβάλλοντα στόχους για τη βελτίωση της GY. Για ορισμένα δευτερεύοντα γνωρίσματα, λήφθηκαν κοινοί δείκτες και στις δύο συνθήκες διαχείρισης, υποδηλώνοντας την πιθανότητα ταυτόχρονης βελτίωσης για δύο ή περισσότερα δευτερεύοντα γνωρίσματα χρησιμοποιώντας το ίδιο σύνολο δεικτών. Η φυσική θέση σημαντικών δεικτών συνέπεσε με 136 υποτιθέμενα γονίδια κωδικοποίησης πρωτεΐνης. Τέσσερα γνωστά γονίδια συσχετίστηκαν με χαρακτηριστικά υπό βέλτιστες και χαμηλές συνθήκες Ν. Οι δείκτες που σχετίζονται με αυτά τα γνωστά γονίδια θα μπορούσαν να χρησιμοποιηθούν στην αναπαραγωγή για τη βελτίωση των σχετικών χαρακτηριστικών. Η ακρίβεια πρόβλεψης για όλα τα χαρακτηριστικά τόσο σε συνθήκες βέλτιστου όσο και σε συνθήκες χαμηλού N είναι πολλά υποσχόμενη. Επιπλέον, η ενσωμάτωση των δεικτών που σχετίζονται με τα χαρακτηριστικά που ανιχνεύονται μέσω του GWAS στο μοντέλο πρόβλεψης έχει τη δυνατότητα να βελτιώσει την ακρίβεια πρόβλεψης για τα ποσοτικά χαρακτηριστικά όπως το GY υπό συνθήκες στρες, γεγονός που οδηγεί σε σημαντική βελτίωση για το NUE στον αραβόσιτο.

Δήλωση διαθεσιμότητας δεδομένων

Όλα τα σύνολα δεδομένων που δημιουργήθηκαν για αυτήν τη μελέτη περιλαμβάνονται στο άρθρο/Συμπληρωματικό Υλικό.

Συνεισφορές Συγγραφέων

Η BE, η ML, η MO, η BD, η BP και η MG συνεισέφεραν στο σχεδιασμό του έργου και στο γενικό συντονισμό. Η BE εκτέλεσε και συντόνισε τα πειράματα πεδίου. Η MG και η BE ήταν υπεύθυνες για το συντονισμό της διαχείρισης του δείγματος και του γονότυπου. Οι BE, ML, BD και MG πραγματοποίησαν την ανάλυση. Οι BE, ML, BP και MG έγραψαν το χειρόγραφο. Όλοι οι συγγραφείς συνέβαλαν στην επεξεργασία του χειρογράφου και ενέκριναν την τελική έκδοση.

Χρηματοδότηση

Η έρευνα υποστηρίχθηκε από το Ίδρυμα Bill amp; Melinda Gates, το Ίδρυμα Howard G. Buffett και τον Οργανισμό Διεθνούς Ανάπτυξης των Ηνωμένων Πολιτειών (USAID) μέσω του Stress Tolerant Maize for Africa (STMA, Grant # OPP1134248), του έργου IMAS και του Ερευνητικό Πρόγραμμα CGIAR MAIZE. Το MAIZE λαμβάνει υποστήριξη W1amp;W2 από τις κυβερνήσεις της Αυστραλίας, του Βελγίου, του Καναδά, της Κίνας, της Γαλλίας, της Ινδίας, της Ιαπωνίας, της Κορέας, του Μεξικού, της Ολλανδίας, της Νέας Ζηλανδίας, της Νορβηγίας, της Σουηδίας, της Ελβετίας, του Ηνωμένου Βασιλείου, των Ηνωμένων Πολιτειών και της Παγκόσμιας Τράπεζας.

Σύγκρουση συμφερόντων

Οι συγγραφείς δηλώνουν ότι η έρευνα διεξήχθη απουσία εμπορικών ή οικονομικών σχέσεων που θα μπορούσαν να ερμηνευθούν ως πιθανή σύγκρουση συμφερόντων.

Ευχαριστίες

Ευχαριστούμε τους τεχνικούς της CIMMYT για τη συλλογή δεδομένων σε πειραματικές τοποθεσίες. Είμαστε ευγνώμονες στους τεχνικούς πεδίου της CIMMYT σε διαφορετικούς σταθμούς για τη συλλογή δεδομένων. Τεχνικοί εργαστηρίου CIMMYT στην Κένυα για προετοιμασία δειγμάτων για γονότυπο. και Cornell Genotyping facility και Buckler’s group για υπηρεσίες γονότυπου και ανακύκλωση δεδομένων.

Συμπληρωματικό υλικό

Το συμπληρωματικό υλικό για αυτό το άρθρο βρίσκεται στο διαδίκτυο στη διεύθυνση: https://www.frontiersin.org/articles/10.3389/fpls.2020.00474/full#supplementary-material

Αντιστοίχιση συσχέτισης, NUE, SNP, επιλογή υποβοηθούμενη από δείκτη, LD, Γονιδιωματική πρόβλεψη