Исследователь мелкозерновых культур и сортов риса Хуан Давид Арбелаес-Велес знает секрет идеального риса, и дело не только в способе его приготовления. Арбелаес и его команда исследуют генетический код, определяющий различные характеристики зерна, такие как внешний вид, время приготовления и текстура. В их статье, опубликованной в журнале The Plant Genome, предлагается стратегия, которая поможет селекционерам комплексно улучшить качество зерна, одновременно сокращая расходы и экономя время.
«Иногда сорт настолько продуктивен, что селекционеры не замечают некоторые его недостатки. А когда дело доходит до проверки качества, оказывается, что сорт не соответствует отраслевым и потребительским стандартам. Применяя многопризнаковые генетические подходы, мы используем всю доступную информацию - ДНК всего генома, агрономические признаки, такие как урожайность, зрелость и высота растений, а также вторичные признаки качества, такие как содержание крахмала, размер зерна, цвет и внешний вид», - говорит Арбелаэс, доцент кафедры растениеводства Колледжа сельскохозяйственных, потребительских и экологических наук Иллинойсского университета в Урбане-Шампейне.
Традиционный процесс селекции сельскохозяйственных культур может быть медленным, поскольку урожайность и качество зерна часто оцениваются отдельно. Оплата услуг высококвалифицированных сенсорных оценщиков также может быть дорогостоящей. Заранее прогнозируя качество зерна с помощью геномной селекции, селекционеры могут сосредоточить свои усилия и ресурсы на сортах, которые будут хорошо смотреться на рынке.
Современные селекционеры часто работают только с одним геном. Например, один конкретный ген может объяснять 40% вариабельности размера зерна между разными сортами риса, поэтому исследователи выводят сорта с той версией этого гена, которая даёт желаемые результаты. Проблема, однако, заключается в оставшихся 60%. Гены, разбросанные по всему геному, в сочетании с условиями окружающей среды иногда могут «пересилить» единственный ген, кодирующий большую часть признака, особенно когда незначительные изменения определяют потребительское признание.
Вот почему исследователи объединили общий вид генома с микроскопическим изучением отдельных генов, используя метод, известный как многопризнаковый геномный отбор с помощью маркеров.
«Более долгий и менее затратный путь - изучать влияние одного аллеля, - сказал Арбелаэс, - вместо этого мы изучаем весь геном и несколько его различных вариаций».
В основе их метода лежит многопризнаковый геномный отбор (MT-GS), который исследует общую картину. Вместо того, чтобы изучать отдельные гены, кодирующие отдельные признаки, как это обычно делают генетики, MT-GS предсказывает сразу несколько признаков, основываясь на всём геноме, или на всём генетическом коде организма.
Чтобы повысить точность своей модели MT-GS, исследователи увеличили масштаб отдельных генетических маркеров, известных по их связи с определёнными характеристиками, такими как текстура и время приготовления. Это «маркерная» часть их метода. Она проясняет картину для модели, позволяя ей «учиться» на известных генетических связях и выявлять связанные с ними характеристики.
«В геномной селекции мы рассматриваем весь геном и эти второстепенные эффекты. С помощью маркеров признаков мы изучали конкретные гены. Поэтому, объединяя оба фактора, можно делать более точные прогнозы, поскольку теперь учитывается множество различных генетических эффектов», - сказал Арбелаэс.
И идея сработала. Добавив в модель генетические маркеры и известные признаки, команда значительно повысила её предсказательную способность, сделав её в 2–10 раз мощнее в зависимости от исследуемого признака.
В Лаборатории улучшения мелкозерновых культур Университета Иллинойса Арбелаес работает со всеми видами сельскохозяйственных культур, специализируясь как на овсе, так и на рисе. Он дебютировал со своим методом с использованием маркеров в предыдущей работе, где вместе с коллегами оценил более 500 селекционных линий, полученных в рамках программы селекции овса в лаборатории. Используя MT-GS с использованием маркеров для овса, команда улучшила предсказательную способность своей модели примерно на 50%. Поскольку метод хорошо применим к рису, исследователи надеются, что он будет эффективен и для других мелкозерновых культур.
Рост населения планеты в сочетании с растущей экономической мощью означает, что спрос на высококачественное зерно будет продолжать расти, поэтому эффективные и экономически выгодные селекционные программы крайне важны. «Если мыслить глобально, то существует множество различных типов рынков. Например, в таких странах, как Перу и Чили, предпочитают рис чуть более липкий, чем в остальных странах Южной Америки. Поэтому, понимая аллели, кодирующие текстуру, мы можем определить линии, представляющие интерес для различных рынков», - говорит ученый.
Арбелаэс подчеркнул важность международного сотрудничества: он внедрил метод MT-GS с использованием маркеров, работая в Международном исследовательском институте риса на Филиппинах, и получил образцы риса для этого исследования от Латиноамериканского фонда орошаемого риса. Финансирование подобных программ крайне важно для обеспечения продовольствием растущего населения, добавил Арбелаэс.
«Все сельскохозяйственные исследования в США пострадали от сокращения финансирования. В настоящее время пересматриваются многие программы, поддерживающие нашу работу», - сказал он.
Тем не менее, Арбелаэс с оптимизмом смотрит в будущее. «Эти подходы применимы к разным видам и чрезвычайно полезны, особенно для этих ценных признаков. Благодаря этому исследованию мы доказали, что у нас есть инструменты для решения задач повышения качества мелкозерных культур на ранних этапах селекции, и это можно распространить и на другие виды, например, на овощные культуры. Это отличная новость».
Источник: University of Illinois at Urbana-Champaign. Автор: Рами Джамиль.
На фото: Хуан Арбелаэс (слева) и образец риса для сенсорного анализа (справа). Источник: Колледж сельскохозяйственных, потребительских и экологических наук Иллинойсского университета (ACES).
