Zur Seitenansicht
 

Titelaufnahme

Titel
Genomic selection in bread wheat / eingereicht von Christian Ametz
VerfasserAmetz, Christian
Begutachter / BegutachterinBürstmayr, Hermann ; Sölkner, Johann ; Grausgruber, Heinrich ; Sneller, Clay Hurd
Betreuer / BetreuerinBürstmayr, Hermann ; Grausgruber, Heinrich ; Sölkner, Johann
Erschienen2015
UmfangBl. a - e, V, 133 Bl. : Ill., graph. Darst.
HochschulschriftWien, Univ. für Bodenkultur, Diss., 2015
Anmerkung
Zsfassung in dt. Sprache
SpracheEnglisch
Bibl. ReferenzOeBB
DokumenttypDissertation
Schlagwörter (DE)Genomische Selektion / Weizenzüchtung / Pflanzenzüchtung / BLUP / Genomische Zuchtwertschätzung / Lineare gemischte Modelle / RR-BLUP
Schlagwörter (EN)Genomic selection / Wheat breeding / Plant breeding / BLUP / Genomic estimated breeding values / Linear mixed models / RR-BLUP
Schlagwörter (GND)Weizen / Züchtung / Genom / Auslese
URNurn:nbn:at:at-ubbw:1-18744 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Genomic selection in bread wheat [3.81 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Die jüngsten Fortschritte in der molekularen Markeranalyse und das Aufkommen von Hochdurchsatz-Genotypisierungsplattformen ermöglichen die genomweite Analyse einer Weizenzuchtlinie zu den Kosten einer einzelnen Parzelle in einem herkömmlichen Feldversuch. Genomische Selektion nutzt diese dichten Markerinformationen und kombiniert sie mit phänotypischen Informationen, um den Zuchtwert von neuen Kandidatenlinien vorherzusagen. Die vorliegende Arbeit stellt eine der ersten Anwendungen von genomischer Selektion in einem realen Weizenzüchtungsprogramm dar. Mittels Genotypisierung-durch-Sequenzierung konnten Elite-Weizenzuchtlinien auf Basis von Einzelbasenunterschieden charakterisiert und genomische Fingerabdrücke erstellt werden. Basierend auf daraus erstellten Vorhersagemodellen war es möglich, genomische Zuchtwerte für ungetestete Weizenlinien ausschließlich anhand ihres genomischen Fingerabdrucks vorherzusagen. Verschiedene Faktoren, die die genomische Vorhersage beeinflussen können, wurden in dieser Arbeit untersucht. RR-BLUP, ein statistisches Vorhersagemodell, stellte sich in diesen Vergleichen als stabiles und leistungsfähiges Modell heraus, das vor allem durch kurze Berechnungszeiten besticht. Zudem wurde der Einfluss der Populationsgröße sowie die erforderliche Anzahl von genetischen Markern untersucht. Eine Trainingspopulationsgröße von 250 Weizenlinien war bereits ausreichend um gute Vorhersageergebnisse zu erzielen, wohingegen der Einsatz von mehr als 3000 Markern empfehlenswert erscheint. In einem abschließenden Experiment, das im Zuge eines laufenden Weizenzüchtungsprogramms durchgeführt wurde, konnte gezeigt werden, dass Zuchtwerte aufgrund eines einzelnen genetischen Fingerabdrucks ebenbürtig mit den Zuchtwerten aus konventionellen Feldversuchen sind. Die Ergebnisse lassen darauf schließen, dass Genomische Selektion in der Pflanzenzüchtung ebenso erfolgreich sein kann, wie sie in der Tierzucht bereits ist.

Zusammenfassung (Englisch)

Recent advances in molecular marker analysis and the advent of high-throughput genotyping platforms now enable genome-wide marker analysis of one breeding line to be carried out at the cost of one plot in a conventional field trial. Genomic selection, a new paradigm in plant breeding makes use of this dense marker information and integrates it with phenotypic information to accurately predict the breeding value of new candidate lines. The work at hand represents one of the first applications of genomic selection in an actual plant breeding program. The latest genotyping technologies were evaluated for their use in genomic selection. Using genotyping-by-sequencing it was possible to characterize elite wheat breeding lines based on single base differences to create genomic fingerprints. These fingerprints were integrated with conventional phenotypic information to create statistical prediction models. Based on these models it was possible to predict genomic breeding values for untested wheat lines solely based on their genomic fingerprint. Factors that may influence the genomic predictions were investigated in this work. RR-BLUP, a statistical prediction model, turned out to be a stable and well performing model with the advantage of short computation times. Moreover, the influence of the population size was investigated as well as the required number of genetic markers. A training population size of 250 wheat lines was already sufficient for achieving good prediction results whereas the use of at least 3000 markers seems advisable. Finally, in experiment within an actual plant breeding setting, it could be shown that breeding values based on a single genomic fingerprint were on par with breeding values obtained by conventional field trials. The results of this work indicate that genomic selection can be as successful in plant breeding as it is already in animal breeding.