PLANT BREEDING RESEARCH

BreedPatH

Zuchtwert Mustererkennung in Hybridkulturarten

Koordinator: Dr. Amine Abbadi – NPZ Innovation GmbH

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.

(english (Beta))

Breeding ValuePattern Recognition inHybrid Crops

Projektbeschreibung (en)

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.

Eckdaten

PLANT BREEDING RESEARCH

BreedPatH

Projektlaufzeit

01.09.2016 - 31.08.2019

Förderkennzeichen

031B0187 (A-D)

Fördersumme

Öffentlich: 1.790.570,00 €
Privat: 125.369,00 €
Gesamt: 1.915.939,00 €
Herr Dr. Amine Abbadi
E-Mail-Kontakt
NPZ Innovation GmbH

Hohenlieth-Hof
24363 Holtsee
Deutschland
zur Website
Frau Dr. Katrin Beckmann
NPZ Innovation GmbH

Hohenlieth-Hof
24363 Holtsee
Deutschland
zur Website
Herr Prof. Dr. Matthias Frisch
E-Mail-Kontakt
Justus-Liebig-Universität Gießen

Heinrich-Buff-Ring 26-32
35392 Gießen
Deutschland
zur Website
Herr Prof. Dr. Marius Kloft
E-Mail-Kontakt
Humboldt Universität zu Berlin
Department of Computer Science

Rudower Chaussee 25
12489 Berlin
Deutschland
Herr Prof. Dr. Rod Snowdon
E-Mail-Kontakt
Justus-Liebig-Universität Gießen

Heinrich-Buff-Ring 26-32
35392 Gießen
Deutschland
zur Website
Herr Prof. Dr. Björn Usadel
E-Mail-Kontakt
Forschungszentrum Jülich GmbH
Institut für Bio- und Geowissenschaften
Pflanzenwissenschaften (IBG-2)

Wilhelm-Johnen-Straße
52428 Jülich
Deutschland
zur Website