植物性状动态的基因组预测_长沙百奥云数据科技有限公司【官网】

申请注册

智能育种

您身边的育种数据管理分析

首页

植物性状动态的基因组预测

新闻资讯

前沿分享

2025-06-30

在作物育种领域，精准预测植物性状动态一直是科学家追求的目标。传统基因组预测方法受限于单一时间点，难以捕捉植物整个生长期内多性状的动态变化。如今，植物性状动态的基因组预测技术带来了突破。

以莱布尼茨研究所和马克斯 - 普朗克分子植物生理学研究所等单位开发的dynamicGP方法为例，它整合了动态模式分解（DMD）与基因组预测（GP）。研究人员利用高通量表型分析技术，获取大量植物多性状的时间序列数据，再通过DMD构建线性算子矩阵，描述表型从时间t到t + 1的动态变化。之后，利用遗传标记数据，通过岭回归最佳线性无偏预测（RR - BLUP）模型，预测未观测基因型的动态算子，实现对多性状动态的精准预测。

植物性状动态的基因组预测

在玉米和拟南芥的研究中，dynamicGP展现出显著优势。相较于传统方法，它在所有时间点和多数性状上的预测精度更高，尤其在预测遗传力时间稳定性高的性状时，优势更为明显。而且，该方法不仅适用于玉米，在拟南芥等不同物种上也表现出良好的普适性。

植物性状动态的基因组预测技术，为作物育种提供了高效工具。它能减少表型测量成本，加速品种筛选进程，尤其适用于需长期观测的复杂性状，如抗逆性、产量动态等。同时，有助于解析基因型 - 环境互作的时间依赖性，推动“数据驱动育种”的发展，助力精准育种策略的制定。未来，随着技术的不断完善，结合环境因子和模型优化，有望进一步提升预测精度，为培育适应特定地区的作物品种提供有力支持，推动农业领域迈向新的发展阶段。

基因组预测（Genomic Prediction，简称GP），可利用覆盖全基因组的高密度分子标记进行选择育种的新方法，可通过构建预测模型，根据基因组估计育种值（Genomic Estimated Breeding Value, GEBV）进行早期个体的预测和选择，从而缩短世代间隔，加快育种进程，节约大量成本。

育种解决方案在作物改良中的应用：推动农业迈向新时代

智能育种解决方案如何助力培育出“超级品种”？

相关推荐

庆生辰，贺周年：四季度生日会与公司八周年温暖同庆

01-05

2026