Over the past few decades, the world has witnessed tremendous progress in the tools used for genomic analysis. While it's usually more common to associate these tools with the fields of biology and medicine, they have proven to be very valuable in agricu
在过去的几十年里，世界见证了用于基因组分析的工具的巨大进步。虽然将这些工具与生物学和医学领域联系起来通常更为常见，但事实证明，它们在农业中也非常有价值
使用从下一代测序技术中获得的大量DNA标记，育种家可以根据其预测的性状值进行基因组预测并选择有前途的个体
旨在提高水果质量的各种系统和方法都使用遗传分析。其中包括遗传选择（GS）和遗传预测（GP）
这种现代育种方法使用统计模型，根据之前收集的基因组及其相关特征，评估给定个体的整个遗传图谱。这使育种家能够预测未来在幼苗阶段将产生的果实性状
相反，全基因组关联研究（GWAS）专注于寻找导致特定果实性状的确切遗传变异
到目前为止，GP和GWAS主要使用单个系统的DNA标记，当使用的系统过时时，必须使用更新的系统进行重新分析。然而，在以前的系统中已经分析过的果树育种中，很难重新分析群体以供选择，因为不可能从选择过程中丢弃的个体中重新获得DNA
在2024年7月8日发表在《园艺研究》上的一项研究中，由日本千叶大学高等学术研究所副教授Mai F.Minamikawa领导的一个研究小组着手澄清，在进行GP和GWAS时，将来自不同系统的苹果数据相结合是否可以获得更准确的结果
该团队的其他成员包括日本国立农业和食品研究组织果树和茶叶科学研究所的Miyuki Kunihisa博士和日本东京大学农业与生命科学研究生院的岩田博吉教授
首先，研究人员结合了从两个不同的基因分型系统获得的苹果数据集，即Infinium和通过随机扩增子测序直接（GRAS-Di）进行基因分型。然后，他们使用这些组合的基因型标记对总共24个不同的果实性状进行GP和GWAS，包括酸度、甜度、收获时间和固溶物含量
该团队比较了使用单独或两者结合训练的模型进行预测的性能
结果非常令人鼓舞；当使用Infinium和GRAS-Di组合数据集用于多种果实性状时，基因组预测的准确性和GWAS系统的检测能力显著提高。这表明，将不同系统的数据结合起来并利用历史数据是有好处的为了进一步突破极限，研究人员还以考虑近亲繁殖效应的方式训练了GP模型。有趣的是，这些结果也暗示了组合方法在某些性状上表现更好，包括白利糖度和粉度
尽管如此，这些发现并不是决定性的，正如Minamikawa博士所说，“尽管GS对苹果果实性状的准确性可以通过近亲繁殖的数据来提高，但还需要进一步的研究来了解果实性状和近亲繁殖之间的关系。”
总的来说，这项研究的发现暗示了一种利用现有数据集提高GS和GWAS准确性的方便方法
正如Minamikawa博士所说，这可能会对农业产生许多积极影响，“可以通过使用高精度GS作为苗期从众多个体中识别优势基因型，并使用精确的GWAS检测目标性状的遗传变异，来解决果树植株大、幼树期长等挑战。”