BreedPatH
PLANT BREEDING RESEARCH II


Zuchtwert Mustererkennung in Hybridkulturarten

Koordinator: Herr Dr. Amine Abbadi – (Institut)

Projektbeschreibung

In einem kommerziellen Hybridzüchtungsprogramm ist die Auswahl geeigneter Inzuchtlinien zur Erzeugung neuer Hybriden ein äußerst schwieriger und langwieriger Prozess. So müssen zunächst heterotische Pools gebildet werden, die Inzuchtlinien mit hohem Zuchtwert enthalten. Die Inzuchtlinien werden in aufwändigen zeit- und kostenintensive Ertragsversuchen geprüft, um diejenigen zu identifizieren, die einen hohen Zuchtwert besitzen und sich für neue Kreuzungen eignen. BreedPatH zielt darauf ab, neue heterotische Pools für die Rapshybridzüchtung zu entwickeln und ein völlig neues Prinzip der Zuchtwertschätzung in Hybrid-Pflanzen zu implementieren.

In iterativen Zuchtzyklen werden ausgewählte Rapsgenotypen mit hohem Zuchtwert (Founderlininen) in zwei verschiedenen heterotischen Pools rekombiniert. Die Bildung der heterotischen Pools wird durch ein systemisches Vorhersagemodell für Hybridleistung unter Einbeziehung quantitativ genetischer sowie genomischer und epigenetischer Faktoren erlaubt. Methoden des Erweiterten maschinelles Lernen werden angewandt, um innovative Prognosemodelle für die Zuchtwert Mustererkennung in einem Hybridzuchtprogramm zu implementieren. Des Weiteren sollen neue biometrische Ansätze der Hybridzuchtmethodik zum weiteren Aufbau und nachhaltiger Erhaltung der heterotischen Pools entwickelt werden, um eine schnelle, Genomik-gestützte Trennung von Heterotischen Pools für die Hybridzüchtung zu erzielen.

Durch Anwendung der Vorhersage-Modelle können diejenigen Linien selektiert werden, die hohe Zuchtwerte und gute Kombinationseigenschaften vorweisen. Insbesondere sollen es die Vorhersage-Modelle ermöglichen, gezielt Kreuzungen durchzuführen, die zu einer schnellen Kombination positiver Allele für das Merkmal Heterosis bzw. Ertrag führen. Des Weiteren sollen sich diese Vorhersagemodelle eigenständig nach Erfassung von Veränderungen anpassen, um eine verbesserte Vorhersage und somit auch eine effizientere Ressourcennutzung zu gewährleisten. Hierdurch kann neben einer Zeitersparnis im Zuchtvorgang auch eine Reduktion der notwendigen Feldprüfungen bzw. bei gleichem Prüfaufwand eine höhere Selektionseffizienz und damit ein höherer Zuchtfortschritt in Bezug auf die untersuchten Merkmale erreicht werden.


Breeding ValuePattern Recognition inHybrid Crops

Coordinator: Herr Dr. Amine Abbadi – (Institut)

Project description

In Europe rapeseed is the most important source of vegetable oil used as a renewable raw material for food and industry. Rapid breeding of high yielding rapeseed cultivars is however more and more depending on predictive selection tools that can cope with dynamic practice conditions. BreedPatH aims to develop a completely new paradigm for prediction of breeding values in hybrid crops. Advanced machine learning will be implemented to train innovative prediction models for pattern recognition in complex, heterogeneous “omics” datasets, towards an augmented association of abstract data patterns with hybrid performance. In parallel, we will apply novel breeding methodologies that facilitate a rapid, genomics-assisted separation of poorly differentiated materials into distinct heterotic pools for hybrid breeding. These approaches will initially be applied in an experimental breeding programme for winter oilseed rape, a crop with low genetic diversity in the primary gene pool and for which strongly divergent heterotic pools could not be established, meaning that the full yield potential of hybrid cultivars has yet to be achieved. In a second step, BreedPatH will provide a next-generation predictive breeding toolbox that helps accelerate the shift to hybrid breeding in other classical inbred crops.

Projektpartner

Frau Dr. Katrin Beckmann

NPZ Innovation GmbH


Hohenlieth-Hof

24363 Holtsee


zur Website
Herr Prof. Dr. Rod Snowdon

Justus-Liebig-Universität Gießen


Heinrich-Buff-Ring 26-32

35392 Gießen


zur Website
E-Mail-Kontakt
Herr Prof. Dr. Marius Kloft

Humboldt Universität zu Berlin


Department of Computer Science

Rudower Chaussee 25

12489 Berlin


E-Mail-Kontakt
Herr Prof. Dr. Björn Usadel

Forschungszentrum Jülich GmbH


Institut für Bio- und Geowissenschaften

Pflanzenwissenschaften (IBG-2)

Wilhelm-Johnen-Straße

52428 Jülich


zur Website
E-Mail-Kontakt