Фото: із відкритих джерел
Дослідники оцінили, наскільки точно геномні моделі можуть передбачати стійкість суниці до борошнистої роси в листі та плодах у передселекційних популяціях із диким походженням. Робота також визначила орієнтири для розміру навчальної вибірки та щільності маркерів.
Про це повідомляє сайт Аграрії разом з посиланням на Hortidaily.
Геномне прогнозування (genomic prediction, GP) дедалі частіше використовують у селекції для прискорення добору за складними ознаками. У новому дослідженні вивчили, як різні підходи GP працюють у передселекції суниці садової (Fragaria × ananassa) для підвищення стійкості до борошнистої роси (powdery mildew, PM) — окремо для ураження листя та плодів.
Оцінювання провели на 13 двобатьківських родинах, отриманих від схрещувань між Fragaria virginiana та Fragaria chiloensis. Основною моделлю була Genomic Best Linear Unbiased Prediction (GBLUP), яку тестували на даних, зібраних у різні роки, а також у розрізі родин.
За п’ятиразової крос-валідації для об’єднаних за роками даних GBLUP показала середню прогностичну здатність (predictive ability, PA) 0,56 для стійкості листя та 0,36 — для стійкості плодів. У родинних аналізах GBLUP точність суттєво залежала від спорідненості: для близьких родин PA коливалася в межах 0,10–0,89.
Технічні характеристики та параметри
- Матеріал: 13 двобатьківських родин суниці, похідних від схрещувань F. virginiana × F. chiloensis.
- Ознаки: стійкість до борошнистої роси в листі та в плодах.
- Базова модель: GBLUP; оцінка точності — п’ятиразова крос-валідація.
- Середня PA (об’єднані за роками дані): 0,56 (листя) і 0,36 (плоди).
- PA у родинних моделях: 0,10–0,89 (вища для більш споріднених родин).
- Симуляції: навчальна вибірка на рівні 40% популяції давала стабільні прогнози для обох ознак.
- Щільність маркерів: приблизно 8300 SNP було достатньо для прогнозування стійкості листя; для стійкості плодів PA залишалася низькою незалежно від щільності маркерів.
- Порівняння моделей: маркер-асистований підхід із поетапним включенням основних локусів стійкості як фіксованих ефектів підвищував PA приблизно на 10–30% для листя та на 25–47% для плодів (залежно від моделі).
- Перевірка перенесення між умовами: у незалежних тепличних та польових випробуваннях GBLUP зберігала суттєву PA при навчанні як на повній популяції, так і на 40% підвибірці.
Що це означає для селекції
Результати підкреслюють, що для підвищення точності прогнозу важливо враховувати генетичну архітектуру ознаки: для стійкості листя вдалося визначити практичні пороги за розміром навчальної популяції та кількістю SNP, тоді як для стійкості плодів навіть збільшення щільності маркерів не дало такого ж ефекту. Автори також показали, що включення основних локусів стійкості як фіксованих ефектів може помітно підсилювати прогностичну здатність моделей.
Дослідження опубліковане в журналі Heredity (2026): Rehman, A.u., Kärkkäinen, H., Schulman, A.H. та ін. «Genomic prediction of wild-derived powdery mildew resistance for strawberry (Fragaria × ananassa) pre-breeding».