Udvikling af hvedesorter, der er godt tilpasset lokale klimaforhold rundt om i verden, er en prioritet i hvedeavlsprogrammer, og brugen af ​​effektive selektionsmetoder baseret på genomisk selektion (GS) er afgørende for at forstå og udnytte interaktioner mellem genotype og miljø (G × E).

Brødhvede (Triticum aestivum L.) er det mest udbredt dyrkede korn i verden og spiller en afgørende rolle i fødevaresikkerheden, idet den leverer næsten en femtedel af menneskers diætkalorier og proteiner. Hvedeproduktionen foregår under en bred vifte af klimatiske forhold og geografiske regioner verden over. Produktionen påvirkes årligt af forskellige biotiske stressfaktorer, såsom insekter eller sygdomme, og abiotiske stressfaktorer, såsom tørke, vandoverskud og ekstreme temperaturer. Virkningen af ​​disse faktorer forværres yderligere af klimaændringer, som forårsager omskiftelighed i produktionen i mange dele af verden, hvilket fører til udbyttereduktion og afgrødetab. Derudover påvirkes produktionen af genotypernes differentielle respons på de miljøer, de dyrkes i (kendt som genotype-miljø-interaktioner, G × E).

Postdoc Miguel Raffo fra QGG forklarer:

-'I dette studie har vi først inkorporeret højdimensionel miljøinformation indhentet fra jordbundskort og vejrstationer over hele Danmark (f.eks. temperatur, nedbør, solstråling) for at modellere interaktioner mellem molekylære markører og miljømæssige kovariater. Derefter udvidede vi den udviklede metode for multi-egenskabsevalueringer, der redegjorde for kornudbytte og proteinindhold. Resultaterne af undersøgelsen afslørede, at det at tage højde for G × E via interaktioner mellem markører-ved-miljø-kovariater og multi-egenskabsmodellering signifikant forbedrede ydeevnen af ​​genomiske selektionsmodeller, og fordelene blev boostet, når begge strategier blev kombineret’.

Forskningsresultaterne viste, at den foreslåede fremgangsmåde repræsenterer en effektiv metode til at hjælpe afgrødeavlere med at udvælge avlslinjer, der har overlegen tilpasning til specifikke miljøer, og dermed kan den bidrage til at modvirke klimaændringernes negative indvirkning på produktionen.

---

Læs hele forskningspublikationen her: Integrating a growth degree-days based reaction norm methodology and multi-trait modeling for genomic prediction in wheat (Raffo et al., 2022) Frontiers in Plant Science.

Kontakt: Miguel Raffo, mraffo@qgg.au.dk