Leveraging synthetic environmental covariates to explore crop genotype by environment interactions
Diese Studie erweitert die Finlay-Wilkinson-Regression unter Verwendung synthetischer Umweltkovariaten, um Genotyp-Umwelt-Interaktionen in einzelnen Entwicklungsfenstern bei Gerste zu untersuchen, wobei sie aufzeigt, dass die frühe Kornfüllung die Ertragsvarianz vorantreibt, und die wachstumsstadien-spezifische Stabilität als ein neuartiges Selektionsziel einführt.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Das Wetter ist die große Variable in der Landwirtschaft. Ein Landwirt kann den Boden vorbereiten, das Saatgut auswählen und die Kultur pflegen, aber er kann den Regen, die Hitze oder den Wind nicht kontrollieren. Seit Jahrzehnten versuchen Pflanzenzüchter, das Rätsel zu lösen, wie verschiedene Pflanzensorten auf diese wechselnden Bedingungen reagieren. Sie suchen nach Pflanzen, die überall gut abschneiden, eine Eigenschaft, die als Stabilität bekannt ist. Das Environment ist jedoch kein einzelnes, statisches Gebilde; es verändert sich stündlich und täglich. Eine Pflanze mag in einem kühlen Frühling gedeihen, aber in einem heißen Sommer kämpfen, oder umgekehrt. Dies erzeugt eine komplexe Interaktion zwischen dem genetischen Code der Pflanze und den spezifischen Bedingungen, denen sie gegenübersteht, ein Phänomen, das Wissenschaftler als Genotyp-Umwelt-Interaktion bezeichnen. Das Verständnis dieser Interaktion ist entscheidend, da mit einem unvorhersehbareren Klima die Fähigkeit, vorherzusagen, welche Nutzpflanzen in welchen Feldern erfolgreich sein werden, über eine Ernte oder ein Scheitern entscheidet.
Ein Forschungsteam unter der Leitung von Stephanie Brunner und Kollegen hat einen neuen Weg entwickelt, um dieses Problem zu betrachten. Anstatt eine Wachstumsperiode als einen langen, undifferenzierten Zeitblock zu behandeln, haben sie sie in spezifische Entwicklungsfenster unterteilt, ganz ähnlich wie man einen Film Frame für Frame betrachtet, anstatt nur die fertige Szene. Sie untersuchten 961 verschiedene Gerstensorten, die über vier Jahre hinweg in zwölf verschiedenen Feldversuchen in Australien getestet wurden. Diese Versuche deckten ein breites Spektrum an Bedingungen ab, wobei die durchschnittlichen Erträge an einem Standort von 2,5 Tonnen pro Hektar bis zu 5,5 Tonnen pro Hektar an einem anderen variierten. Die Forscher wollten nicht nur wissen, welche Pflanzen insgesamt am stabilsten waren, sondern genau, wann während der Wachstumsperiode das Wetter am wichtigsten für den Ertrag war und wie verschiedene Pflanzen auf diese spezifischen Momente reagierten.
Zu diesem Zweck entwickelte das Team eine statistische Pipeline, die wie ein Filter für Umweltdaten fungiert. Sie sammelten detaillierte Wetterinformationen für jeden Versuch, einschließlich Niederschlag, Temperatur, Luftfeuchtigkeit und Bodenfeuchtigkeit. Anstatt zu versuchen, jeden einzelnen Wettertag separat zu analysieren, was zu ungeordnet wäre, um interpretiert zu werden, gruppierten sie die Wetterdaten in sechs distinkte Perioden basierend auf dem Lebenszyklus der Pflanze: Keimung, Entwicklung, Blüte, frühe Kornfüllung, späte Kornfüllung und Reife. Sie verwendeten dann eine mathematische Methode, um die verschiedenen Wetterfaktoren innerhalb jeder Periode zu einem einzigen, vereinfachten Score zu kombinieren. Dies ermöglichte es ihnen zu sehen, wie die Pflanzen auf die „Wettergeschichte“ jeder spezifischen Wachstumsphase reagierten.
Die Ergebnisse zeigten eine klare Hierarchie der Bedeutung. Die Forscher fanden heraus, dass die Umweltbedingungen während der Phase der frühen Kornfüllung am meisten zu den Unterschieden im Ertrag zwischen den Sorten beitrugen. Dies ergibt biologisch Sinn, da dies die Zeit ist, in der die Pflanze aktiv das Korn füllt, und Stress in dieser Phase das Endgewicht der Ernte direkt reduziert. Überraschenderweise spielten auch die Bedingungen am Ende der Saison, während der Reife, eine signifikante Rolle, was hauptsächlich auf den Niederschlag zurückzuführen war. Das Team stellte fest, dass starker Regen in diesem späten Stadium die Ernte verzögern oder dazu führen kann, dass die Kultur umknickt, was als Lagerung bekannt ist und den Ertrag verringert. Interessanterweise zeigte die Studie, dass die spezifischen Wetterfaktoren, die diese Unterschiede vorantrieben, je nach Wachstumsstadium variierten. Während beispielsweise die Minimumtemperaturen (Nachttemperaturen) ein wichtiger Treiber der Variation während des Großteils der Saison waren, war die Strahlung (Sonnenlicht) ein Schlüsselfaktor während der frühen Kornfüllung.
Die vielleicht bedeutendste Erkenntnis war, dass Stabilität keine einzelne, feste Eigenschaft ist. Eine Pflanze, die über alle Umgebungen hinweg stabil ist, ist möglicherweise nicht in jeder Phase ihres Lebens stabil. Die Forscher entdeckten, dass einige Sorten während der frühen Wachstumsphasen hochgradig instabil waren, aber während der Kornfüllung bemerkenswert stabil waren, während andere das Gegenteil zeigten. Eine Sorte, RGT Planet, war instabil, als die Pflanzen noch jung waren, wurde aber zu einer der stabilsten Leistungen während der kritischen Phasen der frühen Kornfüllung und der Reife. Dies deutet darauf hin, dass Züchter aufhören könnten, nach einer „perfekt stabilen“ Pflanze zu suchen, und stattdessen gezielt Stabilität für spezifische, hochwirksame Fenster anstreben könnten. Wenn die frühe Kornfüllung, wie diese Studie nahelegt, die kritischste Zeit für den Ertrag ist, könnten Züchter Pflanzen auswählen, die speziell während dieses Fensters robust sind, selbst wenn sie zu anderen Zeiten weniger stabil sind.
Die Studie untersuchte auch die genetischen Bausteine hinter diesen Merkmalen, indem sie kleine DNA-Abschnitte, sogenannte Haplotypen, analysierte. Sie fanden heraus, dass die Stabilität dieser genetischen Blöcke je nach Umgebung und Wachstumsphase variierte. In einigen Fällen waren die genetischen Varianten, die die höchsten Erträge produzierten, auch die instabilsten, was einen Trade-off darstellt, den Züchter navigieren müssen. Sie fanden jedoch auch Fälle, in denen hochperformante genetische Blöcke auch stabil waren, was ein klares Ziel für die zukünftige Selektion bietet. Durch die Kartierung dieser Interaktionen zeigten die Forscher, dass es möglich ist, genau zu identifizieren, welche Teile des Genoms für die Stabilität während spezifischer Umweltbelastungen verantwortlich sind.
Dieser Ansatz bietet eine neue Perspektung für das Verständnis der Pflanzenleistung. Anstatt die Wachstumsperiode als eine Black Box zu betrachten, in die Inputs hineingehen und ein Ertrag herauskommt, haben die Forscher gezeigt, dass die Saison eine Serie von distinkten Kapiteln ist, von denen jedes seine eigenen Umweltanforderungen und genetischen Reaktionen hat. Die Methode, die sie verwendeten, ermöglicht es Wissenschaftlern, das komplexe Geflecht der Interaktionen zwischen Pflanzen und ihrer Umwelt zu sezieren und aufzuzeigen, dass die „beste“ Pflanze völlig von den spezifischen Bedingungen abhängt, denen sie gegenübersteht, sowie vom Timing dieser Bedingungen. Obwohl die Studie auf Gerste und einen spezifischen Satz australischer Versuche beschränkt war, kann der von ihnen entwickelte Rahmen auf andere Nutzpflanzen und Regionen angewendet werden. Er bietet Wissenschaftlern ein Werkzeug, um über einfache Rankings hinauszugehen und stattdessen Pflanzen zu designen, die resilient gegenüber den spezifischen, sich ändernden Herausforderungen eines sich wandelnden Klimas sind, um sicherzustellen, dass die richtige Pflanze zur richtigen Zeit an den richtigen Ort passt.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.