基因分型技术可用于筛选使果树在苗期具有理想性状，提高果树育种效率。然而，到目前为止，有多种不同的基因分型系统，每个系统产生不同的数据集。在最近的一项研究中，日本科学家揭示，整合不同基因分型系统获得的基因组数据可以有效地与历史数据相结合，利用基因组预测的准确性。
在过去的几十年里，世界见证了用于基因组分析的工具的巨大进步。虽然人们通常将这些工具与生物和医学领域联系在一起，但事实证明，它们在农业领域也非常有价值。利用下一代测序技术获得的大量DNA标记，育种者可以进行基因组预测，并根据预测的性状值选择有希望的个体。
各种旨在提高水果质量的系统和方法都使用遗传分析。遗传选择(GS)和遗传预测(GP)是其中一种。这种现代育种方法使用统计模型来评估基于先前收集的基因组及其相关特征的给定个体的整个遗传图谱。这使育种者能够在苗期对将来产生的果实性状作出预测。相比之下，全基因组关联研究(GWAS)的重点是寻找导致特定水果性状的确切遗传变异。
到目前为止，GP和GWAS主要使用来自单一系统的DNA标记，当使用的系统过时时，必须使用更先进的系统重新分析。然而，在果树育种中，由于不可能从选择过程中被丢弃的个体中重新获得DNA，因此很难对以前系统中分析过的群体进行重新分析。因此，在最近于2024年7月8日发表在《园艺研究》上的一项研究中，由日本千叶大学高级学术研究所的Mai F. Minamikawa副教授领导的一个研究小组着手澄清，在执行GP和GWAS时，结合来自不同系统的苹果数据是否可以产生更准确的结果。该团队的其他成员包括来自日本国家农业和食品研究组织果树和茶叶科学研究所的Miyuki Kunihisa博士，以及来自日本东京大学农业和生命科学研究生院的Hiroyoshi Iwata教授。
首先，研究人员将从两个不同的基因分型系统Infinium和随机扩增子测序直接(grass - di)基因分型获得的苹果数据集结合起来。然后，他们使用这些组合基因型标记对包括酸度、甜度、收获时间和固体可溶性含量在内的总共24种不同的水果性状进行GP和GWAS。该团队比较了单独或结合使用数据集训练的模型的预测性能。
结果非常令人鼓舞;当使用Infinium和grass - di组合数据集对多个果实性状进行基因组预测时，GWAS系统的预测精度和检测能力显著提高。这表明组合来自不同系统的数据并利用历史数据是有好处的。
为了进一步突破极限，研究人员还以考虑近亲繁殖效应的方式训练GP模型。有趣的是，这些结果还暗示了组合方法在某些性状上表现更好，包括白利度和粉度。尽管如此，这些发现并不具有决定性，正如南川博士所说，“尽管GS对苹果果实性状的准确性可以通过近交数据得到提高，但还需要进一步的研究来了解果实性状和近交之间的关系。”
总的来说，本研究的发现暗示了一种利用现有数据集提高GS和GWAS准确性的便捷方法。正如Minamikawa博士所强调的那样，这可能对农业产生许多积极的影响，“通过使用高精度的GS作为苗期，从许多个体中识别出优越的基因型，并使用精确的GWAS检测目标性状的遗传变异，可以解决诸如果树大株和长幼期等挑战。”
让我们希望这一领域的进一步发展使水果的育种更加有效和可靠，这样我们就可以在我们的饮食中继续享受它们!
