Genomic prediction models based on a large-scale recombinant population allow rapid breeding of desired genotypes

على مر قرون، اعتمد المزارعون على فن بطيء يتسم بالصبر لتحسين محاصيلهم: وهو التهجين. فمن خلال تزاوج نباتين بخصائص مختلفة، يأملون في دمج تلك السمات في النسل. لكن الطبيعة لا يمكن التنبؤ بها، وغالباً ما تتطلب اليانصيب الجيني للتربية التقليدية أجيالاً عديدة من الزراعة والانتظار والاختيار قبل ظهور صنف متفوق حقاً. وفي عصر يتطلب فيه تغير المناخ والنمو السكاني حلولاً أسرع، يمثل هذا البطء عائقاً. لطالما سعى العلماء لإيجاد وسيلة للنظر داخل الشفرة الوراثية للنبات للتنبؤ بالتركيبات التي ستعمل بشكل أفضل قبل زراعة بذرة واحدة. هذا النهج، المعروف بالتنبؤ الجينومي، يستخدم نماذج حاسوبية لتقدير كيفية تأثير قطع محددة من الحمض النووي (DNA) على نمو النبات أو إنتاجيته أو قدرته على الصمود. وقد تمثل التحدي في إيجى طريقة تجعل هذه التنبؤات دقيقة بما يكفي لتوجيه الزراعة الواقعية، خاصة عند محاولة الموازنة بين أهداف متعددة في آن واحد، مثل جعل المحصول عالي الإنتاج ومقاوماً للجفاف في الوقت نفسه.

لقد أظهر فريق من الباحثين الآن استراتيجية جديدة قوية تسد الفجوة بين البيانات الجينية المعقدة والزراعة العملية. بدأوا بإنشاء مكتبة ضخمة من التنوع الجيني، وهي مجموعة تضم 2,787 خطاً نباتياً متميزاً مستمداً من تهجين صنف أرز عالي الأداء يُعرف باسم "هيتوميبوري" (Hitomebore) مع 19 صنفاً آخر متنوعاً من مانحي الأرز. هذه المجموعة الكبيرة، التي تسمى مجتمع رسم الخرائط الترابطية المتداخلة، عملت كخريطة تفصيلية لكيفية تفاعل القطع الجينية المختلفة. وباستاستخدام هذه المجموعة البيانية الواسعة، بنى العلماء نماذج حاسوبية دقيقة للغاية قادرة على قراءة الشفرة الوراثية لهذه الخطوط والتنبؤ بأدائها. وبخلاف الأساليب السابقة التي قد تخمن النتيجة، تم تدريب هذه النماذج على التركيبات الجينية المحددة الموجودة في الدراسة، مما سمح لها بتقدير تأثير قطع معينة من الحمض النووي بدقة فائقة.

جاء الاختبار الحقيقي لهذه الاستراتيجية عندما استخدم الباحثون نماذجهم لتصميم خطة تربية من الصفر. فبدلاً من الاعتماد على الصدفة، طلبوا من الحاسوب تحديد التركيبات الجينية المحددة التي من شأنها تعظيم الإنتاج مع إدارة المقايضات الطبيعية بين السمات المختلفة. وجهتهم النماذج نحو مجموعة من الخطوط المثالية ومسار محدد لتهجينها. وتبعاً لهذا المخطط الرقمي، قام الفريق بعملية التربية الفعلية، حيث قاموا بتهجين النباتات المختارة لإنشاء أجيال جديدة من الأرز. وأكدت النتائج قوة هذا النهج: فقد امتلكت خطوط الأرز الجديدة التركيبات الجينية المستهدفة ذاتها التي تنبأت بها النماذج، مما حقق التحسينات المطلوبة في عدة سمات متعلقة بالإنتاج في آن واحد. ويظهر هذا العمل أنه من خلال الجمع بين مجتمع أولي كبير ومتنوع ونماذج تنبؤ قابلة للتفسير، يمكن للمربين بناء أصناف بسرعة ذات التركيبة الجينية الدقيقة اللازمة لمواجهة تحديات عالم متغير.