The genetic improvement of crops, started circa 10.000 years ago, is based on a complex process of selection of genetic variation to create varieties that are 1) resistant to diseases, 2) capable of adapting to unfavorable climatic conditions, 3) high-yielding and 4) fit for purpose for the needs of human society. Varietal innovation is pivotal to underpin the agriculture of the future and cope with climate change and the exponential growth of the world population. Among the tools in the breeders’s toolbox, genomic selection or genomic prediction is gaining momentum and is becoming popular for genetic improvement of crops. This methodology aims to regress genome-wide single nucleotide polymorphisms or other types of DNA markers on phenotypes of individuals to simultaneously predict their effects. The population of individuals having both phenotypic and genotypic information is named training population and is used for constructing predictive models, which allow to compute “Genomic Estimated Breeding Values” in individuals for which only genotyping information is available (breeding population). Typically, the predictive models used in GP require to regress a large number of predictors (DNA markers) that greatly exceeds the number of observations or phenotypes and several parametric and non-parametric models have been proposed to deal with overfitting and the ‘large p, small n’ problem as in these conditions the estimation of marker effects using ordinary least squares method is not practicable (Chapter 1). In the present work, genomic prediction has been implemented and investigated on a panel of Multi Parent Advanced Generation Inter-crosses population of barley. This population was created crossing eight winter genotypes following “half-diallel” crosses. The resulting panel of Multi Parent Advanced Generation Inter-crosses lines was genotyped using the barley 50K SNP chip and was phenotyped in different site-by-season and site-by-season-by-management combinations to examine grain yield and heading date. Using phenotypic and genotypic information, models for grain yield predictions have been fitted and cross-validated using single-environment- and multi-environment-genomic prediction models (Chapter 2). Subsequently, the same panel of barley Multi Parent Advanced Generation Inter-crosses was phenotyped for belowground and physiological traits related to drought tolerance and grain yield. Particularly, these lines were phenotyped for seminal root number, seminal root angle and transpiration rate response to increasing evaporative demand. Standard and threshold models were subsequently fitted and cross-validated to predict these traits, which might support ideotype breeding for dry environments (Chapter 3). The aims of this project are: 1) Testing and assessing the performance of genomic prediction on Multi Parent Advanced Generation Inter-crosses to select high-yielding barley lines; 2) Examining the variability of Multi Parent Advanced Generation Inter-crosses lines for seminal root number, seminal root angle and transpiration rate to increasing evaporative demand; 3) Developing, fitting and cross-validating genomic prediction models for seminal root number, seminal root angle and transpiration rate to increasing evaporative demand to underpin ideotype breeding for crop improvement.
Il miglioramento genetico delle piante coltivate, iniziato circa 10.000 anni fa, è basato su un complesso processo di selezione della variabilità genetica al fine di creare nuove varietà più produttive, resistenti a malattie, capaci di adattarsi a condizioni climatiche sfavorevoli ed in generale capaci di soddisfare i bisogni delle società umane. Sostenere l’innovazione varietale, significa supportare l’agricoltura del futuro per far fronte ai cambiamenti climatici e alla crescita esponenziale della popolazione mondiale, e rendere più sostenibile l’agricoltura. Tra gli strumenti a disposizione del miglioratore genetico (breeder), la selezione genomica o predizione genomica ha recentemente cominciato a trovare ampie applicazioni nel mondo vegetale. Questa metodologia combina dati fenotipici e genotipici per creare modelli predittivi in grado di stimare gli indici genomici (Genomic Estimated Breeding Values), invece di identificare singoli marcatori associati ai caratteri di interesse da utilizzare nei programmi di selezione assistita da marcatori. Per un dato carattere, gli indici genomici rappresentano una stima del valore genetico di un individuo basata sui marcatori molecolari. Con la predizione genomica, famiglie di individui o collezioni di accessioni (training population) sono utilizzati per costruire il modello predittivo, utilizzando sia dati fenotipici sia dati genotipici. Successivamente il modello predittivo è applicato ad individui dei quali si conoscono solamente i dati genotipici (breeding population) per stimare gli indici genomici usando solamente i marcatori molecolari (Capitolo 1). Nel presente progetto di ricerca, questa metodologia è stata applicata e valutata per la prima volta su una popolazione Multi Parent Advanced Generation Inter-crosses sviluppata da 8 parentali di orzo invernale ripetutamente inter-incrociati e autofecondati seguendo uno schema basato su incroci diallelici. Questa popolazione Multi Parent Advanced Generation Inter-crosses è stata genotipizzata mediante il “50K SNP chip” e fenotipizzata per la resa in granella e data di fioritura in ambienti temperati e semi-aridi rappresentativi dei diversi areali di coltivazione dell’orzo in prove di campo organizzate in diversi anni ed in condizioni azotate standard ed a basso input. Combinando le informazioni genotipiche e fenotipiche, in questo progetto di ricerca è stata ottimizzata e validata la dimensione ottimale della training population al fine di sviluppare diversi modelli di predizione genomica per singolo ambiente (SE-GP) e multi-ambiente (ME-GP) (Capitolo 2). Successivamente, la stessa training population, è stata fenotipizzata per l’angolo delle radici seminali, il numero delle radici seminali e l’andamento dell’indice di traspirazione in funzione dell’umidità relativa. Questi caratteri sono stati scelti perché, sulla base di altri studi condotti in altri cereali (frumenti, mais e sorgo), risultano essere particolarmente rilevanti in quanto correlati all’architettura delle radici nella pianta matura e connessi alla resa ed alla tolleranza alla siccità. Dopo aver correlato l’angolo delle radici seminali, il numero delle radici seminali e l’andamento dell’indice di traspirazione in funzione dell’umidità relativa con la resa in granella ottenuta in diversi ambienti, questi dati sono stati utilizzati per creare modelli di predizione genomica implementati con il metodo GBLUP standard e con “threshold GBLUP” (Capitolo 3). Gli obiettivi del presente progetto di ricerca sono: 1) Testare e verificare la performance della predizione genomica nelle linee Multi Parent Advanced Generation Inter-crosses di orzo per selezionare linee con una maggiore resa in granella usando modelli “single and multi-environment”; 2) Verificare la variabilità delle linee Multi Parent Advanced Generation Inter-crosses per l’angolo delle radici seminali, il numero delle radici seminali e l’andamento dell’indice di traspirazione in funzione dell’umidità relativa; 3) Creare modelli di predizione genomica per l’angolo delle radici seminali, il numero delle radici seminali e l’andamento dell’indice di traspirazione.
Sviluppo e validazione di metodologie di miglioramento genetico dell'orzo basate sulla predizione genomica per sostenere l'innovazione varietale e l'agricoltura del futuro / Puglisi, Damiano. - (2021 Nov 08).
Sviluppo e validazione di metodologie di miglioramento genetico dell'orzo basate sulla predizione genomica per sostenere l'innovazione varietale e l'agricoltura del futuro.
PUGLISI, DAMIANO
2021-11-08
Abstract
The genetic improvement of crops, started circa 10.000 years ago, is based on a complex process of selection of genetic variation to create varieties that are 1) resistant to diseases, 2) capable of adapting to unfavorable climatic conditions, 3) high-yielding and 4) fit for purpose for the needs of human society. Varietal innovation is pivotal to underpin the agriculture of the future and cope with climate change and the exponential growth of the world population. Among the tools in the breeders’s toolbox, genomic selection or genomic prediction is gaining momentum and is becoming popular for genetic improvement of crops. This methodology aims to regress genome-wide single nucleotide polymorphisms or other types of DNA markers on phenotypes of individuals to simultaneously predict their effects. The population of individuals having both phenotypic and genotypic information is named training population and is used for constructing predictive models, which allow to compute “Genomic Estimated Breeding Values” in individuals for which only genotyping information is available (breeding population). Typically, the predictive models used in GP require to regress a large number of predictors (DNA markers) that greatly exceeds the number of observations or phenotypes and several parametric and non-parametric models have been proposed to deal with overfitting and the ‘large p, small n’ problem as in these conditions the estimation of marker effects using ordinary least squares method is not practicable (Chapter 1). In the present work, genomic prediction has been implemented and investigated on a panel of Multi Parent Advanced Generation Inter-crosses population of barley. This population was created crossing eight winter genotypes following “half-diallel” crosses. The resulting panel of Multi Parent Advanced Generation Inter-crosses lines was genotyped using the barley 50K SNP chip and was phenotyped in different site-by-season and site-by-season-by-management combinations to examine grain yield and heading date. Using phenotypic and genotypic information, models for grain yield predictions have been fitted and cross-validated using single-environment- and multi-environment-genomic prediction models (Chapter 2). Subsequently, the same panel of barley Multi Parent Advanced Generation Inter-crosses was phenotyped for belowground and physiological traits related to drought tolerance and grain yield. Particularly, these lines were phenotyped for seminal root number, seminal root angle and transpiration rate response to increasing evaporative demand. Standard and threshold models were subsequently fitted and cross-validated to predict these traits, which might support ideotype breeding for dry environments (Chapter 3). The aims of this project are: 1) Testing and assessing the performance of genomic prediction on Multi Parent Advanced Generation Inter-crosses to select high-yielding barley lines; 2) Examining the variability of Multi Parent Advanced Generation Inter-crosses lines for seminal root number, seminal root angle and transpiration rate to increasing evaporative demand; 3) Developing, fitting and cross-validating genomic prediction models for seminal root number, seminal root angle and transpiration rate to increasing evaporative demand to underpin ideotype breeding for crop improvement.File | Dimensione | Formato | |
---|---|---|---|
Tesi di dottorato - PUGLISI DAMIANO.pdf
accesso aperto
Tipologia:
Tesi di dottorato
Licenza:
PUBBLICO - Pubblico con Copyright
Dimensione
16.95 MB
Formato
Adobe PDF
|
16.95 MB | Adobe PDF | Visualizza/Apri |
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.