编者按：分子标记辅助选择（MAS）育种现在国内应用已经普及，但是关于基因组育种，比如基因组选择（GS）尚在起步阶段，相比于大型跨国种企仍落后不少。虽然我国的理论研究这几年突飞猛进，但真正如何指导实际育种仍存在一些差距，国际种业巨头在具体技术细节方面没有太多公开资料，仅通过类似CIMMYT之类的公益机构能够窥见一些零散信息。当然不可拿来主义直接照搬，国情不同，只可借鉴参考，避免太多弯路。
近期，国际玉米小麦改良中心（CIMMYT）小麦分子育种主管 Susanne Dreisigacker 博士做了一个关于在 CIMMYT 全球小麦项目中常规应用基因组工具的演讲。报告全面介绍了 CIMMYT 如何利用基因组学、分子标记和高通量测序技术来加速小麦育种和缩短育种周期。
以下是主要内容总结：
1. CIMMYT 小麦项目与穿梭育种模式
CIMMYT 在全球小麦育种中具有历史性贡献，其培育的品种或亲本占全球面包小麦总量的将近 70%。该项目采用在墨西哥南北两地（高海拔、多雨多病的托卢卡，以及干旱少雨的奥夫雷贡）交替进行的“穿梭育种”模式，从而培育出具有广泛适应性、高产且抗病的小麦品系。主要育种目标包括产量潜力与稳定性、抗病性（如各种锈病、赤霉病、斑点病）、气候复原力（抗热抗旱）、终端用途品质，以及一些应对新威胁的特性（如抗小麦瘟病和生物硝化抑制等）。
2. 基因组工具在常规育种中的全面整合
基因组学已成为常规育种中不可或缺的组成部分，不再仅限于理论研究，而是被全面整合在以下几个关键阶段：
-
QTL 分析与分子标记辅助选择（MAS）： 育种团队在早期世代（如 F2 或回交世代）对杂交亲本和优质品系进行指纹图谱分析，以针对特定性状（如抗锈病、抗赤霉病和产量组成等）进行定向选择和基因组导入。
-
基因组选择（Genomic Selection, GS）： 预测模型（GS）被前移应用到了早期的小区产量测试（或称观察田）阶段（如 F5 世代），在获得产量表型之前，就利用基因型数据对疾病抗性和品质进行大规模预测和淘汰。这不仅节约了时间，还大幅降低了高昂的表型测试成本（例如单次全套品质测试成本高达约 65 美元）。
-
缩短育种周期： 结合温室内的“加速育种（Speed Breeding）”和基因组选择，CIMMYT 成功将亲本循环周期从原来的 5 年缩短到了 3 年，并将国际苗圃的分发时间从 7 年提前到了 5 年，显著加快了遗传增益的速度。
3. 创新的高通量基因分型外包策略
为解决单个中心难以负担全自动化基因分型流水线及其高昂维护费用的问题，CIMMYT 牵头在 CGIAR（国际农业研究磋商组织）的 11 个核心作物项目中建立了一个共享的基因分型服务。通过整合各大项目的需求，并与全球服务商（Intertek）达成大规模（每年约 50 万份样本）的外包协议，他们大幅降低了基因分型的单价成本，同时保证了 2 到 3 周的快速测序周期，极大地优化了需要快速响应的常规育种流程。
4. 预育种（Pre-breeding）与基因库挖掘
CIMMYT 拥有全球最大的小麦基因库（包含超过 12 万份种质资源）。预育种的重点是将新的有益基因（例如通过合成六倍体小麦或野生近缘种引入的抗性基因）导入到现代精英品系中。然而，由于资金不足且测试周期漫长，目前将已发现的新基因转化为育种家能直接利用的亲本材料依然面临着巨大的“转化鸿沟（translational gap）”。
5. 基于序列数据的新型探索与未来挑战
随着全基因组测序成本的断崖式下降，育种项目积累了海量的序列数据（包括大量低深度全基因组测序和基因库序列）。CIMMYT 正在探索利用诸如“K-mer”这样不依赖单一参考基因组的新算法（如 IBSpy 软件），来进行数字化的单倍型挖掘（in silico haplotype mining）和高效比对野生近缘种的基因渗入片段。尽管潜力巨大，但项目目前仍受制于生物信息学计算能力的短缺，且如何将这些高精尖的基因组工具普及到各个目标国家的地方育种项目中（National Programs），依然存在能力建设和资源配置上的挑战。
6. 基因组选择的维度扩展
为了进一步提升复杂性状（如产量）在极早期世代的预测准确率，CIMMYT 正在探索将**无人机或卫星的遥感表型数据（Remote sensing data）**纳入基因组选择模型 。同时，项目不仅使用墨西哥本地的数据，还整合了来自印度和埃塞俄比亚等国家农业研究系统（NARS）在 Stage 2 产量测试阶段的表型数据，致力于建立一个共享的跨国基因组预测网络。
报告来源：www.youtube.com/watch?v=PZy…
【项目案例】7个主流基因组选择（GS）算法，直接套用你的数据发表文章
欢迎加入生信AI育种交流群，一群已满，请添加小编微信拉你加入二群，请备注“姓名-单位”，方便交流~~~
