양질의, 다항, 항역, 고산벼의 신품종을 선육하고 보급하는 것은 우리나라의 식량안전을 실현하는 중요한 방법이다. 현재 대부분의 육종 작업은 여전히 표현형 선택과 육종자 경험을 위주로 하고 있으며, 육종 효율이 낮다. 한편, 생물 정보데이터베이스에 축적된 데이터의 양은 매우 크지만, 필요한 데이터 통합 기술이 부족하기 때문에 육종자들이 이용할 수 있는 정보는 매우 제한적이다. 벼 분자 설계 육종은 여러 수준에서 벼의 각 구성 요소에 대한 네트워크 상호 작용 행동과 성장 발육 과정에서 환경 응답의 동적 행동을 연구할 것이다. 그런 다음 다양한' 조직학' 데이터를 이용하여 컴퓨터 플랫폼에서 벼의 성장과 외부 반응 행동을 예측한다. 그런 다음 구체적인 육종 목표에 따라 품종 설계 청사진을 작성합니다. 마지막으로 육종 관행과 결합해 설계 요구에 맞는 벼의 새로운 품종을 재배하였다.
디자인 육종의 핵심은 분자 설계를 목표로 하는 육종 이론과 기술 체계를 세우는 것이다. 다양한 기술의 통합과 통합을 통해 유전자 (분자) 에서 전체 (시스템) 에 이르기까지 다양한 수준에서 생물을 설계하고 조작하며, 실험실에서 육종 방안의 다양한 요소를 시뮬레이션, 선별 및 최적화하고, 최적의 친본 선택과 후손 선택 전략을 제시하여 전통적인' 경험 육종' 에서 지향적이고 효율적인' 정밀 육종' 을 실현할 수 있습니다.
1 작물 분자 설계 및 육종 기초 연구 현황 및 발전 추세,
1. 1 생물 정보학 유전자 저장소의 데이터가 "폭발" 했습니다
유형' 증가' 입니다
1.2 분자 표기 기술은 나날이 발전하고 있다.
1.3 유전자와 QTL 의 그림을 광범위하게 연구했다.
1.4 유전자의 전자 위치 및 확장을 적용했습니다.
우리나라가 분자 설계 육종을 발전시킬 시기가 이미 무르익었다.
모델 식물인 의남 겨자와 벼의 전체 게놈 시퀀싱은 식물 유전체학 연구를 구조 유전체학에서 기능 유전체학으로 빠르게 발전시켰다. 생물 정보학의 도움으로 유전체학과 프로테오믹스 (proteomics) 는 식물 아세포의 생리 활동과 진핵 세포가 분자 수준에서 어떻게 조직되는지 이해하는 데 도움이 된다.
복잡한 기능을 실현하기 위해 각종' 조직학' 은 전통생물학을 시스템 생물학의 새로운 시대로 이끌었는데, 이런 혁명적인 변화는 분자 설계의 개념을 탄생시켰다. 현재 많은 연구기관들이 준비 작업을 하여 이 방향으로 발전하고 있다. 미 농무부는 이미 십여 개 연구기관에 투자했다.
미래 분자 설계 및 육종의 중요한 토대가 될 수 있는 다양한 작물의 데이터베이스입니다. 미국 선봉회사, 오스트레일리아 퀸즐랜드 대학, CSIRO, 국제 옥수수 밀 개량센터 등 다른 영향력 있는 연구기관들은 유전자형-표현형 모델링, 유전자형-환경 상호 분석, 육종 시뮬레이션 등을 연구한 바 있다.
연구를 진행하다. 2004 년 중국 벼연구소는 벼 유전자 설계 육종이라는 개념을 제시했다. 즉, 벼의 전체 게놈 시퀀싱 이후 주요 농예성 기능을 명확히 하는 기초 위에서 유리한 유전자의 절단과 중합을 통해 생산량, 쌀질, 저항성을 모두 돌파한 슈퍼벼의 신품종을 육성하는 것이다.
현재 우리나라에서 분자 설계 육종을 전개하는 시기가 이미 성숙되어 주로 다음 네 가지 방면에 나타난다. (1) 중국은 생물정보학의 연구력과 기술을 가지고 있다. 중국은 세계 최초로 벼 전체 게놈을 서열분석하고 벼 4 번 염색체를 세밀하게 서열화한 국가 중 하나다. 시퀀싱 과정에서 생물 정보학은 시퀀스 조립 및 분석을 완료하는 열쇠입니다. 이러한 방대한 시퀀싱 임무를 완수할 수 있다는 것은 중국의 생물정보학 연구 수준이 매우 높다는 것을 보여준다. 또한 게놈 서열, EST 정보, 전체 길이 cDNA 서열에서 새로운 표시와 유전자를 발견하는 데도 약간의 진전이 있었다. (2) 가상 분자 육종이 수행되었다. 중국은 분자수량 유전학과 컴퓨터 기술을 이용한 QTL 지도 제작 및 QTL 과 환경관계 연구에 국제 수준에 있다. 국가 하이테크 연구 개발 계획 (863 프로그램) 은 주요 농작물 가상 육종 연구에 자금을 지원해 회교 육종, 중합체 육종, 잡종 예측, 친본 선택의 컴퓨터 시뮬레이션 등에 어느 정도 진전을 이뤘다. (3) 대규모 데이터 수집 및 처리 시스템을 구축하는 기술 및 경험을 갖추고 있습니다. 중국 국가 농작 종질자원 정보 시스템이 설립된 지 이미 여러 해가 되었다. 현재 시스템에는 수천만 개의 데이터가 저장되어 있으며 대규모 데이터베이스의 구축, 개선 및 유지 관리에 풍부한 경험을 쌓았습니다. (4) 이미 유전자지도, 비교 유전체학 연구, 등위 유전자 다양성 연구 등 핵심 기술을 갖추고 있다. 우리나라 작물 유전자 포지셔닝의 발전은 외국보다 늦었지만, 최근 몇 년 동안 큰 진전을 이루었으며, 각종 중요한 작물의 대부분의 중요한 성질을 다루었다. DNA 와 단백질 서열 정보를 이용하여 특정 유전자나 유전자 유형의 지도를 그려 벼를 제외한 다른 작물에서도 급속히 발전했다. 더하여, 중국은 밀 종간 및 gramineous 작물 사이 비교 유전체학 연구를 실행 하 고, 특정 진도를 만들고, 진행 중인 대립 유전자 다양성 연구는 예비적인 공적을 만들었다. 외국의 유사 연구에 비해 우리의 격차는 주로 다음 세 가지 방면에 존재한다. (1) 주요 농예성의 유전자 발견과 기능 연구에 약간의 결함이 있다. 최근 10 년 동안 우리나라는 분자마크를 이용하여 벼 밀 옥수수 등 주요 작물에 대량의 유전자 (특히 QTL) 위치 연구를 실시하여 대량의 유전 정보를 축적하였다. 그러나 이 정보는 여전히 단편화 상태에 있으며 집중, 요약 및 요약이 부족합니다. QTL 효과, QTL 의 여러 대립 유전자, 유전적 배경과 환경 조건에 따라 서로 다른 QTL 간의 상호 작용 연구는 체계적이고 포괄적이지 않아 QTL 매핑 성과가 실제 육종 이익으로 전환되는 데 불리하다. 중요한 농예성의 유전적 기초, 형성 메커니즘, 대사망에 대한 연구는 아직 부족하다. 이것이 바로 분자 설계 육종의 중요한 정보 기반이다. 이와 함께 자율지적재산권을 가진 컴퓨터 소프트웨어가 부족해 기존 유전자나 QTL 정보가 실제 육종에 사용되는 것을 제한하고 있다. (2) 분자 설계 및 육종과 관련된 정보 시스템이 완벽하지 않다. 국가 첨단 기술 연구 개발 계획 (863 계획) 과 국가 중점 기초 연구 개발 계획 (973 계획) 의 대대적인 지지로 주요 농작물의 주요 경제적 특성에 대한 유전 연구가 크게 진전되었다. 국가는 이미 벼 등 주요 식량 작물의 주요 경제성에 대한 기능 게놈 연구를 시작했지만 작물의 모든 형질의 유전적 기초를 완전히 이해하지는 못했다. 우리나라의 기존 생물 정보학 데이터베이스에서는 명확한 기능과 표현 조절 메커니즘을 갖춘 유전자 정보가 상대적으로 부족하다. 국제적으로 전사 조직학, 프로테오믹스, 대사조직학, 표형학에 대한 연구 격차가 크다. 농작종질자원정보시스템에서 분자설계와 육종을 통해 직접 적용할 수 있는 정보는 여전히 제한적이다. (3) 분자 설계 육종에 관한 이론적 연구는 상대적으로 뒤떨어져있다. 현재, 우리 나라는 분자 설계 육종이 미래 작물 육종의 발전 방향이 될 것이라는 것을 깨닫기 시작했지만, 대부분 개념적으로 남아 있으며, 분자 설계 육종의 이론적 모델링과 소프트웨어 개발은 아직 실제로 전개되지 않았다.
중국의 작물 분자 설계 및 번식 연구 초점
우리나라 작물 분자 설계와 육종에 대한 연구는 다음 세 가지 측면에 초점을 맞춰야 한다. 벼, 밀, 옥수수, 콩, 면화의 고세대 교차 도입계를 효율적으로 발굴하여 방향 선택과 결합해 복잡한 유전적 배경이 QTL 위치 정확도에 미치는 악영향을 제거하여 종질 자원의 중요한 농예성의 π QTL 을 효율적으로 발굴하다. (알버트 아인슈타인, Northern Exposure (미국 TV 드라마), 성공명언) 서로 다른 환생친본과 공급체 친본으로 배합된 고세대회교조합의 위치 결과를 분석해 비교함으로써 유전자, 같은 유전자, 같은 유전자, 같은 유전자, 같은 유전자, QTL, 유전자, QTL 사이의 상위성 상호 작용, 유전자, 유전자, QTL, 환경과의 상호 작용 등 유전자 QTL 의 정보를 얻을 수 있다. 고세대 회교가 도입한 유전적 배경은 고도로 순수화되어 주요 효과가 크고 안정적인 QTL 을 직접 세밀하게 포지셔닝할 수 있다.
핵심 생질과 백본 친본 사이의 유전 정보 링크를 구축하다. 핵심 종질은 가장 적은 자원으로 가장 큰 유전적 다양성, 즉 가능한 가장 작은 군체와 가장 큰 유전적 다양성을 나타낸다. (마하트마 간디, 유전다양성, 유전다양성, 유전다양성, 유전다양성, 유전다양성, 유전다양성) 백본 친본은 작물 육종에 광범위하게 적용되어 좋은 육종 효과를 얻었는데, 그중에는 대량의 유리한 유전자 자원이 함유되어 있다. 이 두 가지 유형의 재료에서 유전 정보를 탐구하고 분자 설계 육종 정보 시스템과 링크를 구축함으로써 친본이 가지고 있는 유전자와 환경과의 상호 작용에 대한 정보를 신속하게 얻을 수 있습니다. 분자 설계 육종 모델에 대한 정보 지원을 제공하고, 서로 다른 친본의 잡종 후손이 서로 다른 생태 환경에서 어떻게 나타나는지 정확하게 예측할 수 있습니다. 주요 육종 형질의 GP (유전자형에서 표형까지) 모델을 구축하고, 서로 다른 유전자와 유전자형, 그리고 유전자와 환경이 어떻게 상호 작용하여 결국 서로 다른 형질의 표형을 만들어 다른 육종 목표와 생태 조건을 만족하는 목표 유전자형을 식별할 수 있다. 따라서 GP 모델은 분자 설계 육종의 핵심 구성 요소입니다. GP 모델은 발굴된 유전자 정보를 이용하여 제공하는 정보, 핵심 종질과 백본 친본의 유전 정보 링크를 이용하여 다른 작물의 생물학적 특성과 다른 생태 지역의 육종 목표를 결합하여 육종 최적화 과정의 지표를 시뮬레이션하고, 서로 다른 친본의 잡종 후손들이 이상적인 유전자형을 생산하고 우량 품종을 선육할 확률을 예측하여 육종 효율을 크게 높였다.
분자 설계 육종의 네 가지 예
Peleman 과 van der Voort 는' Breedingby design' 이라는 용어를 등록했습니다. 그들은 분자 설계 육종이 세 단계로 진행되어야 한다고 생각한다: (1) 관련된 모든 농예성의 QTL； 을 위치시킨다. (2) 이 유전자좌의 대립 유전자 변이를 평가한다. (3) 개발 설계 육종. 이것은 쌀에 대한 우리의 연구 결과 중 일부입니다.
결과는 분자 설계 육종 과정을 보여줍니다.
육종 목표 특성에 관한 QTL 연구
이 과정에는 매핑 그룹 구축, 다형성 마커 필터링, 태그 체인 차트 작성, 수량성 표형 평가 및 QTL 분석이 포함됩니다. 65 개의 염색체 단편 교체계 (CSSL) 가 포함된 집단이 있는데, 이 집단의 두 친본은 자포니카 벼인 Asominori (배경 또는 환생 친본) 와 인디카 쌀 IR24 (공급체 또는 비환생 친본) 이다. 각 CSSL 에는 IR24 의 염색체 조각이 하나 이상 포함되어 있으며, 나머지 염색체는 배경 부모 Asominori 에서 나옵니다. 모든 기증자 염색체 조각은 IR24 의 전체 게놈을 덮고 있으며, 다른 염색체 조각은 다른 RFLP 마커로 표시됩니다. 입자 길이의 관측에 따르면, 다른 마커 유전자형 사이의 입자 길이의 현저한 차이를 분석하여 어떤 조각이 입자 길이에 영향을 미치는 QTL 을 가지고 있는지 확인할 수 있습니다. QTL 존재 가능성은 일반적으로 LOD 값으로 측정됩니다 (그림 12A). 그림 12A 는 M23 과 M34 로 표시된 염색체 조각에 입자 길이를 제어하는 QTL 이 포함되어 있으며, 각각 입자 길이 표형 변이의 36 19% 와 8 19% 를 차지하므로 다음을 수행할 수 있음을 분명히 보여 줍니다. 그러나 이 두 QTL 의 가산효과는 반대 방향 (그림 22 B) 입니다. 즉, M23 에 표시된 QTL 의 경우 IR24 의 등위 유전자는 입자 길이를 늘리고 Asominori 의 등위 유전자는 입자 길이를 줄입니다. M34 에 표시된 QTL 의 경우, IR24 의 등위 유전자는 입자 길이를 줄이고, Asominori 의 등위 유전자는 입자 길이를 증가시킨다.
실제로 다른 연구 목적에 따라 LOD 임계값을 선택하여 QTL 의 존재를 판단할 수 있습니다. 연구 목적이 QTL 의 기능을 복제하고 분석하는 것이라면 3 10 이상과 같은 더 높은 LOD 임계값을 선택하여 QTL 의 존재를 확인하고 위양성을 피해야 합니다. 만약 목적이 유전자형을 예측하는 것이라면, 위양성은 결과에 큰 부정적인 영향을 미치지 않을 것이다. 이때 1 10 과 같은 낮은 LOD 임계값을 선택하여 영향이 적은 QTL 도 식별할 수 있도록 할 수 있습니다. 위 예에서 임계값 0 183 (0 105 의 현저한 수준에 해당) 을 채택할 때 13 개 제어 입자의 길이를 제어하는 QTL 과 8 개 제어 입자의 폭을 제어하는 QTL 을 확인했습니다.
육종 목표를 결합하여 목표 유전자형을 설계하는 과정에서, 우리는 이미 감정된 각종 중요한 육종 특성의 QTL 정보 (예: 염색체에서의 QTL 의 위치, 유전 효과, QTL 간 상호 작용, QTL 과 배경 친본, 환경 상호 작용 등) 를 이용한다. , 다양한 가능한 유전자형의 표형을 시뮬레이션하고 예측하며 특정 육종 목표에 맞는 유전자형을 선택합니다. 우리의 예에서 Asominori 는 짧은 알갱이 품종이고, IR24 는 긴 알갱이 품종이지만, 그들의 CSSL 후손은 두 가지 개성과 네 방향 모두에서 친본과 분리되어 있기 때문에 두 가지 개성의 협동적인 QTL 과 감소 QTL 은 두 친본에 분포되어야 한다. 입자 길이의 QTL 맵을 통해 염색체 조각 M6, M 12, M 14, M23, 알갱이 폭의 경우, 오직 하나의 QTL 만이 긍정적인 효과를 가지고 있는데, 이는 알갱이 폭을 증가시키는 대부분의 유전자가 Asominori 에서 나온 것임을 시사한다. 또한 M 10, M 12, M 14 및 M23 과 같은 염색체 조각이 발견되어 입자 길이와 입자 폭을 제어하는 QTL 을 가지고 있습니다. M 10 세그먼트에서 QTL 은 입자 길이와 입자 폭에 긍정적인 영향을 줍니다. 다른 세그먼트에서 QTL 은 입자 길이와 입자 폭에 반대 영향을 줍니다. 이는 표현형에 따라 추정되는 상관 계수 r =- 0.34 와 일치합니다.
위 정보에 따르면 다양한 가능한 유전자형의 표형을 예측할 수 있다 (그림 2). 최소 및 최대 입자장유전자형의 입자길이는 각각 4.20 mm 와 6.2 1 mm, 최소 및 최대 입자폭 유전자형의 입자폭은 각각 2. 12 mm, 3.07 mm 로 나타났다. 육종 목표가 긴 입자형과 넓은 입자형이라고 가정하면 그림 2 에서 최대 입자 길이와 최대 입자 폭을 동시에 가진 유전자형을 얻을 수 없다. 일부 QTL 은 두 개성상에서 음의 원인 다효를 가지고 있기 때문이다. 시뮬레이션을 통해 입자 길이 6.05 mm, 입자 폭 3.00 mm 의 디자인 유전자형, 최대 입자 길이 6.2 1 mm, 최대 입자 폭 3.07mm 를 찾았습니다 (그림 2). 지금까지 우리는 긴 알갱이와 넓은 알갱이형 육종 목표에 가장 잘 맞는 유전자형을 설계했다.
목표 유전자형을 달성하는 방법 분석
그림 2 에서 설계된 유전자형을 얻으려면 IR24 의 네 가지 염색체 단편인 M 1, M6, M23, M25 가 필요합니다. 65 개의 CSSL 중 CSSL5 에는 M6 조각이 포함되어 있습니다. CSSL 16 에는 M 1 및 M23CSSL 19 조각이 포함되어 있어 디자인의 유전자형을 직접 재료로 생산할 수 있습니다. 그러나 CSSL 19 에는 원하지 않는 M 12 섹션이 포함되어 있으며 선택 중에 Asominori 의 세그먼트로 대체해야 합니다.
삼친본간 삼교 (상교라고도 함) 조합은 우리가 필요로 하는 염색체 조각을 수렴할 수 있으며, 삼교차조합1:(CSSL5 × CSS L16) × CSS L 의 세 가지 방법이 있습니다. 3 방향 조합 2: (cssl 5 × cssl19) × cssl16 및 3 방향 조합 3: (cssl16 × cssl 표식 보조 방법을 사용하여 대상 유전자형을 선택한다고 가정하면, 많은 선택이 있는데, 이 중 두 가지만 고려한다. 태그 선택 시나리오 1: 100 3 교차 F 1 개체 생성, 개체당 30 개 F2 개체 생성, 단일 입자 전달 * * *, 3,000 개 F8 계보 생성, 목표 선택 태그 선택 시나리오 2: 100 개의 삼중 F 1 개체를 생성하고, 태그 보조 선택을 통해 대상 염색체 조각이 포함된 개체만 선택하고, 선택한 개체당 30 개의 F2 개체를 생성하고, 단일 입자 전달을 통해 F8 가계를 생성한 다음 대상 유전자형을 선택합니다. 위의 과정은 유전 육종 시뮬레이션 도구인 QuCim 을 통해 이루어졌다. 각 3 방향 조합에 대해 두 개의 태그 선택 체계를 통해 얻은 F8 패밀리 계수는 동일합니다 (표 1). 삼교 1, 삼교 2 에서 2365,438+08 을, 삼교 3 에서 1 65,438+08 을 얻어 평균 765,438+06 개 목표유전자형의 F8 을 얻었다 그러나 두 개의 태그 선택 시나리오 1 에서 선택한 F8 가계당 테스트할 DNA 샘플 수는 395 이며 태그 선택 시나리오 2 의 경우 이 숫자는 60 에 불과합니다. 따라서 두 가지 표시 선택 단계를 포함하는 시나리오 2 는 유전자 중합 중 실험실 표시에 의해 결정된 비용을 크게 줄일 수 있습니다. 3 방향 조합에 따라 목적 유전자형을 얻을 확률이 현저히 다르다.
다르다. 3 방향 조합 2 의 확률이 가장 높고 0 18 1%, 조합 1 의 확률이 가장 낮으며 0 125% 에 불과합니다. 따라서 3 방향 조합 2 와 태그 선택 시나리오 2 의 조합이 목표 유전자형을 달성하는 가장 좋은 방법입니다. 분자 설계 육종의 전망 작물 분자 설계 육종은 생물 정보학, 유전체학, 프로테오믹스 (proteomics) 를 바탕으로 작물 육종 과정에서 작물 유전학, 생리학, 생화학, 재배학, 생물통계학 등 모든 학과의 유용한 정보를 통합하고 특정 작물의 육종 목표와 성장 환경에 따라 컴퓨터에 최적의 방안을 설계하여 작물 육종 실험의 분자 육종 방법을 진행한다. 종래의 육종 방법보다 작물 분자 설계 육종이 먼저 컴퓨터에서 시뮬레이션되고, 고려하는 종합 요인이 많아지고, 선택한 친본 조합과 선택 경로가 더욱 효과적이며, 육종 수요를 충족시키고 육종 효율을 크게 높일 수 있다. 분자 설계 육종은 향후 시행과정에서 분자생물학, 생물정보학, 컴퓨터과학, 작물 유전학, 육종학, 재배학, 식보학, 생물통계학, 토양학, 생태학 등의 학과를 결합한 시스템 공학이 될 것이라는 점을 지적할 만하다. 작물 분자 설계 육종은 종합적이고 새로운 연구 분야로 작물 육종 이론과 기술의 미래 발전에 지대한 영향을 미칠 것이다. 따라서 식물 유전체학, 생물정보학 등 최전방학과의 중대한 성과를 최대한 활용하고 품종 분자 설계의 기초 이론 연구와 기술 플랫폼 건설을 제때에 전개할 수 있는 기회를 포착해야 한다. 분자 설계 육종의 목표를 달성하면 작물 육종의 이론과 기술 수준을 크게 향상시키고 전통 육종을 효율적이고 지향적으로 발전시킬 것이다.