評估目標重組處理等級型性狀的育種效率

Abstract

"目標重組（targeted recombination）係指使基因體上的特定位點產生重組事件以獲得最大遺傳增進，而最佳重組位點的決定可使用基因體選種（genomewide selection, or genomic selection）模型所估計出的分子標誌效應協助判定。前人研究指出，目標重組應用於作物之連續型數量性狀可使遺傳增進達到非目標重組的兩倍。然而，實際育種計劃中，許多性狀屬於等級型資料，如植物病害等。目前尚未有研究探討目標重組是否適用於等級型性狀的提升，因此，本研究利用模擬資料及真實資料針對等級型性狀探討目標重組評估過程、尋找影響等級型性狀目標重組的因素、比較等級型性狀的目標重組與天然重組的表現。我們以族群大小、數量基因座總數、優先分配於優良親本之較大效應基因座數量、遺傳率以及分類數等參數模擬不同情境，以大麥為模式作物，並以貝氏閾值模型（Bayesian threshold model）估計基因型屬於最佳類別的機率。模擬結果顯示，在小族群中過多分類數會降低目標重組的表現，可能源於類別間資料不平衡。此外，屬於最差類別的親本導入四個帶有目標重組的連鎖群後，其性狀將屬於最佳類別；導入五個帶有目標重組的連鎖群後，其性狀則勝過非目標重組的最佳個體。在真實資料中，我們將連續性的株高轉換為等級型資料，在該筆資料裡導入兩個目標重組即可勝過非目標重組的最佳個體，且依據連續型性狀或等級型性狀估計目標重組基因型之遺傳增進極為近似。因此，利用貝氏閾值模型尋找針對等級型性狀的目標重組是可行且有效的。"