Back to Search
Start Over
Genomics-assisted breeding strategies for quantitative resistances to Northern corn leaf blight in maize (Zea mays L.) and Fusarium diseases in maize and in triticale (× Triticosecale Wittm.)
Genomics-assisted breeding strategies for quantitative resistances to Northern corn leaf blight in maize (Zea mays L.) and Fusarium diseases in maize and in triticale (× Triticosecale Wittm.)
- Publication Year :
- 2021
-
Abstract
- Fusarium head blight (FHB) in triticale (× Triticosecale Wittm.), Gibberella ear rot (GER) and Northern corn leaf blight (NCLB) in maize (Zea mays L.) are devastating crop diseases causing yield losses and/or reducing grain quality worldwide. Resistance breeding is the most efficient and sustainable approach to reduce the damages caused by these diseases. For all three pathosystems, a quantitative inheritance based on many genes with small effects has been described in previous studies. Hence, this thesis aimed to assess the potential of genomics-assisted breeding strategies to reduce FHB, GER and NCLB in applied breeding programs. In particular, the objectives were to: (i) Dissect the genetic architecture underlying quantitative variation for FHB, GER and NCLB through different quantitative trait loci (QTL) and association mapping approaches; (ii) assess the potential of genomics-assisted selection to select superior triticale genotypes harboring FHB resistance; (iii) phenotype and characterize Brazilian resistance donors conferring resistance to GER and NCLB in multi-environment trials in Brazil and in Europe; and (iv) evaluate approaches for the introgression and integration of NCLB and GER resistances from tropical to adapted germplasm. The genome-wide association study (GWAS) conducted for FHB resistance in triticale revealed six QTL that reduced damages by 5 to 8%. The most prominent QTL identified in our study was mapped on chromosome 5B and explained 30% of the genotypic variance. To evaluate the potential of genomic selection (GS), we performed a five-fold cross-validation study. Here, weighted genomic selection increased the prediction accuracy from 0.55 to 0.78 compared to the non-weighted GS model, indicating the high potential of the weighted genomic selection approach. The successful application of GS requires large training sets to develop robust models. However, large training sets based on the target trait deoxynivalenol (DON) are usually not availa<br />Ährenfusariosen (Fusarium head blight, FHB) in Triticale (× Triticosecale Wittm.), sowie Kolbenfusariosen (Gibberella ear rot, GER) und Turcicum-Blattdürre (Northern corn leaf blight, NCLB) im Mais (Zea mays L.), sind weltweit verheerende Schaderreger, die zu Ertragseinbußen und verminderter Erntegutqualität führen können. Die Resistenzzüchtung ist die effizienteste und nachhaltigste Methode, um die auftretenden Schadwirkungen dieser Pflanzenkrankheiten zu minimieren. Für alle drei Pathosysteme wurden bereits quantitative Resistenzen in der Literatur beschrieben. Die Zielsetzung der vorliegenden Arbeit war daher, das Potenzial genomisch unterstützter Zuchtstrategien zur Reduktion von FHB, GER und NCLB zu untersuchen. Insbesondere wurden dabei die nachfolgenden Ziele verfolgt: (i) die genetische Architektur von FHB, GER und NCLB mit verschiedenen QTL- und Assoziationskartierungsansätzen zu untersuchen; (ii) das Potential genomisch unterstützter Zuchtstrategien zur Selektion von Triticale Genotypen mit verbesserter FHB Resistenz zu bewerten; (iii) die Charaktierisierung und Phänotypisierung brasilianischer Resistenzdonoren für GER und NCLB in mehreren Umwelten in Brasilien und Europa; und (iv) Ansätze für die Einkreuzung und Intergration von tropischen NCLB und GER Resistenzquellen in europäisches Zuchtmaterial zu bewerten. Die genomweite Assoziationskartierung (GWAS) für FHB Resistenz in Triticale identifizierte sechs QTL, die eine Reduktion im Befallswert zwischen 5 und 8% erklärten. Der vielversprechendste QTL wurde auf Chromosome 5B identifizert und erklärte 30% der genotypischen Varianz. Um das Potenzial der genomischen Selektion (GS) zu evaluieren, wurde eine fünffache Kreuzvalidierung durchgeführt. Hier zeigte eine gewichtete genomische Selektion (wGS) einen Anstieg in der Vorhersagegenauigkeit von 0.55 auf 0.78, verglichen zum ungewichteten GS Modell. Dies unterstreicht das Potenzial der wGS Methode. Eine erfolgreiche Implementierung von GS benötigt eine ausre
Details
- Database :
- OAIster
- Notes :
- application/pdf, English
- Publication Type :
- Electronic Resource
- Accession number :
- edsoai.on1260151464
- Document Type :
- Electronic Resource