Достижения в области платформ высокопроизводительного фенотипирования (HTP) вместе с технологиями генотипирования произвели революцию в селекции сортов с желаемыми признаками, полагаясь на геномное предсказание. Тем не менее, до недавнего времени ученым не хватало понимания влияния множественных признаков в различные временные точки на протяжении всего периода роста растения. Исследовательская группа, включающая Институт генетики растений и исследований сельскохозяйственных культур имени Лейбница и Институт молекулярной физиологии растений им. Макса Планка, разработала вычислительный подход для решения этой проблемы.
Феном растения охватывает совокупность признаков, выраженных в любой момент времени, и является интегрированным результатом воздействия генетических факторов, условий окружающей среды и их сложных взаимодействий.
Понимание того, как феном культуры изменяется с течением времени, может помочь предсказать отдельные признаки в определенные моменты времени развития культуры. Однако это проблематично не только из-за сложной зависимости между отдельными признаками, но и из-за различий в том, как изменяются феномы конкретных генотипов в течение жизненного цикла растения.
Классический подход геномного прогнозирования (ГП,GP) в сельскохозяйственных культурах обучает модели машинного обучения, используя данные о признаках, измеренных в популяции генотипов в определенный момент времени на основе генетических маркеров. Однако существующие подходы ГП еще не решали проблему прогнозирования динамики множественных признаков, т. е. выражения множественных признаков в различные моменты времени в течение всего периода роста растения.
Исследовательская группа представила dynamicGP — вычислительный подход, который облегчает прогнозирование динамики признаков в ходе развития сельскохозяйственных культур, для которых на платформах высокопроизводительного фенотипирования (high-throughput phenotyping, HTP) доступны временные ряды фенотипических измерений для нескольких генотипов. Результаты были опубликованы в журнале Nature Plants.
«Мы продемонстрировали, что dynamicGP - это эффективный вычислительный подход для прогнозирования динамики, специфичной для генотипа, для множества признаков. Это достигается путем объединения геномного прогнозирования с декомпозицией динамического режима (dynamic mode decomposition, DMD)», — говорит Дэвид Хобби, научный сотрудник Института молекулярной физиологии растений Общества Макса Планка и один из первых авторов исследования.
Используя генетические маркеры и данные высокопроизводительного фенотипирования популяции многородительских гибридов кукурузы продвинутого поколения и панели разнообразия модельного растения Arabidopsis thaliana, исследователи показали, что dynamicGP превосходит современный подход к геномному прогнозированию для множества признаков.
Схематическое изображение dynamicGP. Источник: Nature Plants (2025). DOI: 10.1038/s41477-025-01986-y
«Мы обнаружили, что динамику развития признаков, наследуемость которых меньше меняется с течением времени, можно предсказать с более высокой точностью, что проливает свет на фактор, который влияет на предсказуемость признаков на протяжении траектории развития», - говорит доктор Марк Хойерманн, научный сотрудник Института генетики растений и исследований сельскохозяйственных культур имени Лейбница и один из первых авторов исследования.
Таким образом, dynamicGP прокладывает путь для исследования и интеграции динамических взаимодействий между генотипом и фенотипом в ходе развития сельскохозяйственных культур для повышения точности прогнозирования агрономически значимых признаков.
Будущие разработки dynamicGP могут опираться на расширения DMD для учета влияния факторов окружающей среды. Это будет способствовать дальнейшему совершенствованию предлагаемого подхода, который, как ожидается, окажет весьма существенное влияние на селекцию сортов сельскохозяйственных культур, адаптированных к конкретным регионам, а также на точное земледелие.
Источник: Leibniz Institute of Plant Genetics and Crop Plant Research.
Заглавное фото: Лукьянов Дмитрий, AgroXXI.ru.
Интересна тема? Подпишитесь на наши новости в ДЗЕН | Канал в Telegram | Группа Вконтакте | Дзен.новости.