首页 > 其他分享 >作物改良的新型遗传工具

作物改良的新型遗传工具

时间:2024-06-16 11:37:22浏览次数:20  
标签:改良 遗传 组学 技术 编辑 育种 作物

本文来自CABI的一篇综述要点。文章探讨了通过选择、杂交、诱变和重组实现的新的遗传变异性,以及植物育种技术创新如何为作物改良提供更精准和更高分辨率的方法。

引言

随着全球人口的增长和气候变化带来的挑战,粮食安全成为全球关注的重点。预计到 2050 年,世界人口将达到 100 亿,这要求我们不仅要养活日益增长的人口,还要应对气候变化对农业生产系统带来的直接影响和间接影响,如高 CO2、干旱、热浪、盐碱和洪水等非生物胁迫,以及由植物病虫害引起的生物胁迫。

作物改良的基础

作物改良的基本理念是通过遗传选择、杂交、诱变和重组实现新的遗传变异。这些方法对于提高作物产量、耐逆性和营养价值至关重要。文章强调了对遗传变异的分析和农艺性状分子标记的鉴定,这些技术使得育种者能够更快速地选择新的遗传组合,以培育出高产量、耐逆性和营养丰富的作物。

作物改良育种方法的时间轴概述

分子标记技术

分子标记和分子标记辅助育种技术极大地促进了作物改良。这些技术包括限制性片段长度多态性(RFLP)、随机扩增多态性 DNA(RAPD)、简单序列重复(SSR 或微卫星)、单核苷酸多态性(SNP)等。这些分子工具在多种作物中得到了应用,如小麦、水稻、鹰嘴豆等。

诱变育种(Mutagenomics)

诱变育种已成为产生新遗传变异的重要工具,通过物理和化学诱变剂产生的突变,可以导致染色体缺失、单碱基替换或小的插入/缺失。文章提到了 TILLING(Targeting Induced Local Lesions IN Genomes)技术,这是一种用于检测种子和无性繁殖植物中突变的分子标记技术。

组学技术(OMICS)在分子育种中的应用

组学技术,包括基因组学、转录组学、蛋白质组学、代谢组学、表型组学和生物信息学,对育种计划产生了显著影响。高通量测序(NGS)技术通过全基因组测序和重测序,为重要作物的经济重要性农艺性状的鉴定、基因/QTL 标记的开发、等位基因挖掘和多态性的检测提供了帮助。

高通量表型分析(Phenomics)

表型选择是传统和分子育种方法中的重要和首要考虑的标准。表型组学是收集和分析从细胞到器官水平、从个体植物到种群水平的多维表型数据的学科。这项技术通过使用各种传感器(如可见光成像、红外成像、光谱成像、激光成像、磁共振成像(MRI)、正电子发射断层扫描(PET)和 X 射线断层扫描(CT))来捕捉高通量图像。

转基因育种

转基因技术已成功应用于改良多种作物的广泛性状,如植物结构、营养价值、抗病虫害能力、生物燃料和非生物胁迫耐受性。文章提到了 RNA 干扰技术,这是一种基于双链 RNA 介导的序列特异性基因沉默的技术,已成功应用于提高产量、改善果实品质、延长货架寿命和提高营养价值等方面。

目标育种:精确的基因修改模式

传统的育种方法虽然用于改良植物性状,但过程繁琐且耗时。基因组编辑技术允许针对和修改特定的 DNA 序列。CRISPR/Cas9 系统是最为热门的基因组编辑工具,它由 Cas9 核酸酶和导向 RNA (gRNA) 组成,能够识别并切割目标 DNA 序列。

基因编辑技术的挑战和前景

尽管基因编辑工具在科学界引起了极大的兴趣,但仍需进一步研究以克服一些挑战。这些挑战包括编辑效率、非目标编辑、编辑窗口的局限性以及对编辑机制的深入理解。

快速育种(Speed Breeding)

快速育种是一种新兴的植物育种技术,通过在连续光照下种植植物,使植物能够进行更长时间的光合作用,从而加快生长速度。这种方法允许作物每年进行四到六代的种植,而不是在正常生长条件下的两代,从而加快新品种的开发。

作物改良的不同方面,包括种质增强和评估、基因操纵和性状发现。

结论

面对食品需求的增加和气候变化的挑战,新的和创新的育种方法提供了实现目标的巨大潜力。分子育种和遗传工程技术已成为改善作物植物多个农艺属性的强大途径。基因组编辑工具,特别是基础编辑和最近的先导编辑,在目标性状的精确改良方面显示出了巨大潜力。同样,加速育种方法为需要更多作物周期以快速开发新品种的情况提供了更多选择。

标签:改良,遗传,组学,技术,编辑,育种,作物
From: https://www.cnblogs.com/miyuanbiotech/p/18250343

相关文章

  • Engineering | 基于机器学习(GS)的作物抗病表型预测
    近日,中国农科院植保所联合扬州大学、湖南农大等在中国工程院主刊Engineering(一区top,IF=12.8)上发表了题为《DevelopmentofMachineLearningMethodsforAccuratePredictionofPlantDiseaseResistance》的研究成果。该研究通过优化多种机器学习流程,开发了基于高通量基因......
  • Demo | 利用机器学习构建作物模型的Python源码
    作物模型提出很早,但应用有限。看起来复杂,其实解决的是环境与表型间的关联,可参考前期推文:作物生长模型CropGrow。环境组的复杂,关键在于数据的准确性获取。对于数据分析人员来说,如果不care数据准确性,分析其实很简单的,就是经典的机器学习流程。这里提供一段伪代码仅供参考。1.导库......
  • 以奶牛为鉴,作物GS之路任重道远
    植物和动物在GS实施上有很大的差异,这一点很多学者做过系统的比较,只能说各有优劣。不管如何,动物的GS走在了前列,有很多地方值得植物借鉴。GS技术最早在奶牛育种得到广泛应用,因此我们来看看奶牛GS的发展及国内外现状。2001年,Meuwissen等首次提出GS的概念,其基本思想是利用覆盖个......
  • 水稻遗传育种相关生物信息数据库和工具
    本综述系统梳理了近20年来开发的水稻生物信息数据库和在线分析工具,并基于内置数据集和功能对它们进行了分类和总结。水稻基因组数据库水稻转录和转录后调控数据库水稻基因网络数据库水稻种质资源信息数据库水稻常用的基因编辑系统水稻基因编辑生物信息工具与数据库......
  • 徐辰武2024综述:作物全基因组选择育种技术研究进展
    近日,《生物技术通报》特邀扬州大学农学院徐辰武教授团队发表综述《作物全基因组选择育种技术研究进展》。本文首先分析了影响作物GS功效的主要因素,继而从非加性效应模型、群体构建方案、多性状与多环境预测、多组学预测和育种芯片技术现状等方面阐述了GS技术在作物育种中的研究进......
  • JGG | 严建兵团队综述生物大数据驱动作物智能设计育种
    近期,华中农大严建兵团队在JournalofGeneticsandGenomics上发表综述:Engineeringthefuturecerealcropswithbigbiologicaldata:towardsanintelligence-drivenbreedingbydesign。该文回顾了近年来在作物育种领域取得的进展,涵盖了作物农艺性状的机制、新兴技术的开发......
  • AI育种家:作物育种的基因组预测
    分享一篇近期来自华中农大王旭彤老师(即SoyDNGP作者)的综述,以SoyDNGP为例。建议参考之前的推文:基于深度学习框架的基因组预测新模型SoyDNGP。摘要人工智能(AI)与作物育种的结合代表了向数据驱动型农业实践的范式转变,旨在提高作物改良的效率和精度。本文对大豆深度神经网络等基因组......
  • 机器学习与基因组编辑相结合以加速作物改良
    近日,扬州大学张韬团队在aBIOTECH发表综述“Integratingmachinelearningandgenomeeditingforcropimprovement”。随着大数据的积累,越来越多基于机器学习的方法被应用于植物科学研究,包括功能性基因和调控元件的挖掘,蛋白质结构的预测,以及表型的快速鉴定。先进的CRISPR基因......
  • Rajeev K. Varshney:设计未来作物,基因组学辅助育种时代来临
    介绍一篇RajeevKumarVarshney于2021年在TrendsinPlantScience专题《养活世界:植物育种的未来》上的综述,强调了基因组学辅助育种(genomics-assistedbreeding,GAB)的作用和意义。关于RajeevKumarVarshney,他在基因组测序、利用遗传多样性、基因组学辅助育种、种子系统和发展......
  • 作物起源与多样性中心的世界地图
    我们的粮食作物从何而来?国际农业研究磋商组织(CGIAR)旗下子机构国际热带农业中心(CIAT)早前发表了全球农作物起源和主要多样性区域的交互式地图,以及其与饮食、产量之间的关系。交互地图详见:https://blog.ciat.cgiar.org/origin-of-crops/起源中心与多样性中心静态图注:官网对......