Neue Methode zur Vorhersage von Pflanzenmerkmalen für höhere Erträge
„Dynamic GP“ verbessert Genauigkeit der Vorhersage agronomisch relevanter Merkmale
Auf den Punkt gebracht
- Dynamische genomische Vorhersage: Mit dynamic GP lässt sich die Entwicklung mehrerer Merkmale über verschiedene Zeitpunkte während der Wachstumsphase einer Pflanze vorhersagen.
- Züchtung anpassungsfähiger Pflanzensorten: Die Ergebnisse zeigen, dass die Entwicklungsdynamik von Merkmalen mit höherer Genauigkeit vorhergesagt werden kann.
- Für eine Präzisionslandwirtschaft der Zukunft: Zukünftige Entwicklungen der dynamischen GP könnten auch Umweltfaktoren berücksichtigen.
Das Phänom einer Pflanze umfasst die Gesamtheit ihrer Merkmale zu einem bestimmten Zeitpunkt. Er ist das Ergebnis von genetischen Faktoren und von Umweltbedingungen sowie ihrer Wechselwirkungen. Das Verständnis dafür, wie sich das Phänom einer Kulturpflanze im Laufe der Zeit verändert, kann helfen, einzelne Merkmale zu bestimmten Zeitpunkten in der Entwicklung der Pflanze vorherzusagen. Doch das ist nicht nur wegen der Abhängigkeiten zwischen einzelnen Merkmalen schwierig, sondern auch wegen der Unterschiede in der Art und Weise, wie sich die Phänome bestimmter Genotypen im Laufe des Lebenszyklus einer Pflanze verändern.
Der klassische Ansatz der genomischen Vorhersage (GP) bei Nutzpflanzen trainiert maschinelle Lernmodelle anhand von Daten zu Merkmalen, die in einer Population von Genotypen zu einem bestimmten Zeitpunkt auf Grundlage genetischer Marker gemessen wurden. Bestehende GP-Ansätze helfen jedoch noch nicht bei der Vorhersage der Dynamik mehrerer Merkmale, d.h. der Expression mehrerer Merkmale zu verschiedenen Zeitpunkten über die gesamte Wachstumsperiode der Pflanze.
Das Forschungsteam stellte dynamicGP vor, einen computergestützten Ansatz, der die Vorhersage der Merkmalsdynamik während der Entwicklung von Nutzpflanzen erleichtert, für die phänotypische Zeitreihenmessungen für mehrere Genotypen von Phänotypisierungsplattformen mit Hochdurchsatz verfügbar sind. „Wir haben gezeigt, dass dynamicGP ein effizienter computergestützter Ansatz zur Vorhersage genotyp-spezifischer Dynamiken für mehrere Merkmale ist. Dies wird durch die Kombination von genomischer Vorhersage mit dynamischer Modenzerlegung erreicht“, erklärt David Hobby, Forscher am Max-Planck-Institut für molekulare Pflanzenphysiologie und der Universität Potsdam und einer der Erstautoren der Studie.
Anhand genetischer Marker und Daten aus der Hochdurchsatz-Phänotypisierung einer mehrelterlichen fortgeschrittenen Kreuzungspopulation von Mais und eines Diversitätspanels von Arabidopsis thaliana konnten die Forscher zeigen, dass dynamicGP genauere Vorhersagen zu der Gesamtheit der Merkmale liefert als die bisherigen Ansätze. „Wir haben festgestellt, dass die Entwicklungsdynamik von Merkmalen, deren Erblichkeit im Laufe der Zeit weniger variiert, mit höherer Genauigkeit vorhergesagt werden kann. Das ermöglicht Aussagen über die Vorhersagbarkeit von Merkmalen über den gesamten Entwicklungsverlauf hinweg“, sagt Marc Heuermann, Forscher am Leibniz-Institut für Pflanzengenetik und Kulturpflanzenforschung und ebenfalls einer der Erstautoren der Studie.
Daher ebnet dynamicGP den Weg für die Untersuchung und Integration der dynamischen Wechselwirkungen zwischen Genotyp und Phänotyp während der Pflanzenentwicklung. Das Ziel ist es, die Vorhersagegenauigkeit agronomisch relevanter Merkmale zu verbessern. Zukünftige Entwicklungen von dynamicGP können auf Erweiterungen von dynamischer Modenzerlegung aufbauen, um auch die Auswirkungen von Umweltfaktoren zu berücksichtigen. Dies wird weitere Verfeinerungen des Ansatzes ermöglichen. Dies kann sowohl einen großen Einfluss auf die Züchtung von Pflanzensorten haben, die an bestimmte Regionen angepasst sind, als auch die Präzisionslandwirtschaft verbessern.
