数量性状基因型到表型预测模型的理论及其在植物育种中的应用研究

Phenotype prediction of quantitative traits is an important topic in breeding. How to use high-thoughput molecular markers to construct genotype-to-phenotype prediction model to increase the genetic gain is still a problem in breeding. Researches on prediction models are still based on initial breeding populations. Few studies utilized new breeding popualtions to update and evaluate prediction models. We are lack of mature and effective tools to guide breeders to make selection according to the results from predition models. In this project, through theoretical study, computer simulation and evaluation by real breeding data, we will develop statistical method to improve the prediction accuracy; propose new statistical methods to update the prediction model by including new genotype and phenotype; construct the population database; propose the systematical method to validate different prediction model; implement new methods and several main-stream prediction models, and integrate the database in breeding simulation software QuMars, and develop user-friendly interface for QuMars. The new methods will enrich and develop the quantitative genetics theory. Population database and methods on evaluation prediction models will provide a guidence for application of prediction models in real breeding activity. Enhanced and improved QuMars will provide breeding tool for prediction models from theory to breeding applications.

复杂数量性状的表型预测是育种中十分重要的课题。如何利用高通量分子标记建立从基因型到表型预测模型，提高遗传进度是育种实践中面临的现实问题。目前，表型预测模型的研究大多局限于已有遗传研究或育种群体，缺乏利用新育种群体的数据更新预测模型和全面评价预测模型的研究；在植物育种中，也没有成熟有效的工具协助育种家根据预测结果开展选择工作。本项目通过理论研究、计算机模拟和实际育种数据验证等方法，研究提高表型预测模型准确性的新方法以及预测模型的更新方法；建立群体数据库，研究预测模型有效性的评价途径和方法；在育种模拟软件QuMars中实现新的和一些主流的预测模型，集成群体数据库，开发界面友好的植物育种预测工具。本项目新预测模型及其更新方法的提出将丰富和发展数量遗传学理论，群体数据库和预测模型评价体系的建立为预测模型在育种中的应用提供指导，QuMars功能的强化和完善为预测模型从理论研究走向育种实践提供工具。

复杂数量性状的表型预测是育种中十分重要的课题。如何利用高通量分子标记建立从基因型到表型预测模型，开发工具协助育种家根据预测结果开展选择工作提高遗传进度是育种实践中面临的现实问题。本项目通过研制预测新模型，丰富和发展了数量遗传学理论；开发作物遗传育种群体数据库和全基因组选择育种平台，为预测模型在育种中的应用提供了有效工具。主要研究结果如下：1、提出了全基因组选择训练群体最优选择策略；2、开发了从基因型到表型的预测模型和方法；3、构建了作物遗传育种群体数据库；4、研制了全基因组选择预测平台；5、优化并完善了遗传连锁图谱构建和数量性状基因定位集成软件QTL IciMapping；6、提出了高通量连锁图谱分群和排序算法；7、利用巢式关联作图群体揭示了小麦重要锈病性状遗传结构；8、构建了骨干亲本遗传框架图，以利用已知重要基因和基因组片段构建预测模型；9、构建了水稻籼粳交群体作为全基因组选择训练群体，并基于该群体对水稻叶型相关复杂性状进行遗传分析；10、提出了多组学信息与现代育种技术有机结合提高育种遗传进度的整合策略。