Genomic prediction models based on a large-scale recombinant population allow rapid breeding of desired genotypes
यह अध्ययन एक तीव्र प्रजनन रणनीति को प्रदर्शित करता है जो अनुकूल बहु-गुण (multi-trait) जीनोटाइप वाले चावल के किस्मों के कुशल निर्माण के लिए एक बड़े पैमाने की पुनर्संयोजक आबादी (recombinant population) को व्याख्या योग्य जीनोमिक भविष्यवाणी मॉडलों के साथ जोड़ता है, और लक्षित उपज-संबंधी गुणों वाली लाइनों के विकास के माध्यम से इस दृष्टिकोण को सफलतापूर्वक प्रमाणित करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
सदियों से, किसान अपनी फसलों को बेहतर बनाने के लिए एक धीमी, धैर्यपूर्ण कला पर भरोसा करते आए हैं: क्रॉस-ब्रीडिंग (संकरण)। दो अलग-अलग खूबियों वाले पौधों का मिलन कराकर, वे उम्मीद करते हैं कि उनके वंशजों में उन गुणों का संयोजन हो जाएगा। लेकिन प्रकृति अप्रत्याशित है, और पारंपरिक प्रजनन की यह आनुवंशिक लॉटरी में अक्सर एक वास्तव में श्रेष्ठ किस्म उभरने से पहले कई पीढ़ियों तक खेती करने, प्रतीक्षा करने और चयन करने की आवश्यकता होती है। एक ऐसे युग में जहाँ जलवायु परिवर्तन और जनसंख्या वृद्धि तेज़ समाधानों की मांग कर रहे हैं, यह धीमी गति एक बाधा बन गई है। वैज्ञानिक लंबे समय से पौधे के आनुवंशिक कोड के भीतर झांकने का एक तरीका खोज रहे थे ताकि एक भी बीज बोने से पहले यह अनुमान लगाया जा सके कि कौन से संयोजन सबसे अच्छा काम करेंगे। जीनोमिक प्रेडिक्शन (जीनोमिक भविष्यवाणी) के रूप में जानी जाने वाली यह पद्धति कंप्यूटर मॉडल का उपयोग करती है ताकि यह अनुमान लगाया जा सके कि डीएनए के विशिष्ट हिस्से पौधे की वृद्धि, उपज या लचीलेपन को कैसे प्रभावित करेंगे। चुनौती इन भविष्यवाणियों को वास्तविक खेती के मार्गदर्शन के लिए पर्याप्त सटीक बनाने की रही है, विशेष रूप से तब जब एक साथ कई लक्ष्यों को संतुलित करने का प्रयास किया जाता है, जैसे कि किसी फसल को उच्च उपज वाला और सूखा-प्रतिरोधी दोनों बनाना।
शोधकर्ताओं की एक टीम ने अब एक शक्तिशाली नई रणनीति का प्रदर्शन किया है जो जटिल आनुवंशिक डेटा और व्यावहारिक खेती के बीच के अंतर को पाटती है। उन्होंने एक विशाल आनुवंशिक विविधता की लाइब्रेरी बनाकर शुरुआत की, जो 'हितोमोबोरे' (Hitomebore) नामक एक शीर्ष प्रदर्शन करने वाली चावल की किस्म को 19 अन्य विविध चावल दाताओं के साथ क्रॉस करके प्राप्त की गई 2,787 विशिष्ट पौधों की रेखाओं का एक संग्रह है। इस बड़े समूह को, जिसे 'नेस्टेड एसोसिएशन मैपिंग पॉपुलेशन' कहा जाता है, विभिन्न आनुवंशिक टुकड़ों के परस्पर क्रिया करने के विस्तृत मानचित्र के रूप में उपयोग किया गया। इस व्यापक डेटासेट का उपयोग करते हुए, वैज्ञानिकों ने अत्यधिक सटीक कंप्यूटर मॉडल बनाए जो इन रेखाओं के आनुवंशिक कोड को पढ़ने और उनके प्रदर्शन की भविष्यवाणी करने में सक्षम थे। पिछले तरीकों के विपरीत, जो परिणामों का केवल अनुमान लगा सकते थे, इन मॉडलों को अध्ययन में मौजूद विशिष्ट आनुवंशिक संयोजनों पर प्रशिक्षित किया गया था, जिससे वे उल्लेखनीय सटीकता के साथ विशिष्ट डीएनए खंडों के प्रभाव का अनुमान लगाने में सक्षम हुए।
इस रणनीति की असली परीक्षा तब हुई जब शोधकर्ताओं ने अपने मॉडलों का उपयोग शून्य से एक प्रजनन योजना तैयार करने के लिए किया। संयोग पर निर्भर रहने के बजाय, उन्होंने कंप्यूटर से पूछा कि वे कौन से विशिष्ट आनुवंशिक संयोजन पहचान सकते हैं जो विभिन्न गुणों के बीच प्राकृतिक समझौतों (trade-offs) को प्रबंधित करते हुए उपज को अधिकतम करेंगे। मॉडलों ने उन्हें इष्टतम रेखाओं के एक सेट और उन्हें क्रॉस करने के एक विशिष्ट मार्ग की ओर संकेत किया। इस डिजिटल ब्लूप्रिंट का पालन करते हुए, टीम ने वास्तविक प्रजनन कार्य किया, जिसमें उन्होंने चावल की नई पीढ़ियां बनाने के लिए चयनित पौधों का संकरण किया। परिणामों ने इस दृष्टिकोण की शक्ति की पुष्टि की: नई चावल की रेखाओं में वही लक्षित जीनोटाइप थे जिनका मॉडलों ने अनुमान लगाया था, जिससे एक साथ कई उपज-संबंधी गुणों में वांछित सुधार प्राप्त हुए। यह कार्य दर्शाता है कि एक बड़े, विविध प्रारंभिक जनसंख्या को व्याख्या योग्य भविष्यवाणी मॉडलों के साथ जोड़कर, ब्रीडर्स बदलती दुनिया की चुनौतियों का सामना करने के लिए आवश्यक सटीक आनुवंशिक संरचना वाले कल्टीवर्स (किस्मों) का तेजी से निर्माण कर सकते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।