Лекция: Характеристика сортов яровой пшеницы по пяти хозяйственно ценным признакам

ПЛАНИРОВАНИЕ СКРЕЩИВАНИЙ

В последующих четырех главах рассмотрены биометрико-генетические методы, призванные повысить эффективность и надежность работы на разных этапах рекомбинационной селекции растений.

Процесс создания новых сортов можно упрощенно разделить на три этапа:

1. Подбор родительских образцов и схем их скрещивания (соответствующие биометрико-генетические методы рассмотрены в главах 7 и 8).

2. Отбор форм в расщепляющихся популяциях, образующихся после скрещивания (глава 9).

3. Выбор лучших среди полученных константных сортообразцов (глава 10).

7.1. Общие сведения о методах подбора родителей

Гибридизация — основное средство создания исходного материала (генотипической изменчивости растений). Тщательный подбор родительских форм для гибридизации во многом определяет результативность рекомбинационной селекции растений. На практике эта проблема решается по-разному. Одни селекционеры ежегодно создают несколько сотен новых гибридных комбинаций, но вынуждены ограничится небольшими объемами популяций. Часть комбинаций бракуют на основе оценки продуктивности в ранних поколениях (F2или даже F1). Однако такой прогноз перспективности гибридной комбинации по ряду причин не надежен, на что указывает неоднозначность результатов экспериментальных проверок. Малые объемы гибридных популяций ограничивают возможности обнаружения желательных генотипов. Другие селекционеры делают небольшое число скрещиваний, зато детально прорабатывают гибридные комбинации.

Использование биометрико-генетических методов на данном этапе селекции позволяет уменьшить число комбинаций и, следовательно, обеспечить достаточный объем и детальную проработку гибридных популяций.

При создании гибридных популяций используют множество методов скрещивания, с помощью которых затем комбинируют ценные признаки родителей. За счет трансгрессивного расщепления, использования блоков коадаптированных генов появляется возможность улучшить выраженность хозяйственно ценных признаков у сорта по сравнению с их выраженностью у обоих родителей. При этом вероятность получения трансгрессий зависит от генетической отдаленности родительских форм. Необходимым условием является также приемлемый уровень этих признаков у родителей.

Австралийский генетик Г.Бхатт сгруппировал принципы подбора родителей в селекции растений следующим образом.

— Оценка комбинационной способности родительских форм. Способы оценки в системе диаллельных (методы Гриффинга и Хеймана) и других специальных скрещиваний описаны в следующей главе.

— Идентификация гибридных комбинаций самоопыляющихся растений, в которых ожидается повышенный выход трансгрессивных линий, с помощью генетического анализа ранних поколений (F2, F3, B1,B2и т.п.). Один из способов приведен в конце этой главы.

— Планирование скрещиваний на основе анализа различных данных о возможных родительских образцах (до проведения скрещиваний). Здесь, во-первых, применяют методы подбора сортов, скрещивание которых должно порождать популяции со средним выражением комплекса признаков, близкими к идеальным значениям. В частности, рассмотрен метод Педерсона. Во-вторых, используют различные методы оценки дивергентности родителей для последующего скрещивания генетически отдаленных форм.

7.2 Близость к идеальным значениям по комплексу признаков

Для прогноза близости потомства от скрещивания выбранных родителей к заданному идеалу Дж. Графиус разработал т.н. векторный метод. Под идеалом понимается модель сорта — воображаемый сорт, имеющий заданные величины признаков, оптимальные для конкретных условий среды.

Д. Педерсон упростил этот метод и предложил подбирать родительские формы, дополнительно задавая селекционным признакам различные веса — допустимые отклонения от идеальных значений. Суть метода Педерсона заключается в следующем.

Предполагается, что у каждого из т потенциальных родительских сортов учтено N количественных признаков. Номер признака обозначен j. Каждому признаку селекционер-эксперт задает идеальное значение Ij, а также допустимое отклонение от идеала Dj. Цель скрещивания — получение гибридной популяции со средним значением каждого (j-го) признака в интервале Ij±Dj.

Основная проблема прогнозирования — сложная генетическая связь величин признаков родителей и популяционных средних в потомстве их скрещиваний. Поэтому в методе Педерсона упрощенно предполагается, что среднее значение каждого признака в позднем поколении скрещивания равно средневзвешенным значением этого признака у родителей. То есть популяционная средняя по j-му признаку ( )потомства равна:

где xij — значение j-го признака уi-гo родителя; Пi — доля i-гo родителя в геноме популяции потомства, причем

Например, если высота растений (j-ый признак) у первого родительского сорта равна 100 см, у второго 80 см, то доли их геномов в потомство при простом скрещиванииP1´Р2 составят по 0,5. Тогда прогноз среднего в популяции — позднем поколении такого скрещивания без отбора равен =0,5´100+0,5´80=90 см. Если же популяция будет получена после беккросса (P1´Р2)´P1, то прогноз: =0,75´100+0,25´80=95 см, т.к. вклад генома первого сорта – 75%, а второго – 25%. Аналогичным образом можно прогнозировать среднее по любому признаку потомства и при более сложных скрещиваниях с участием более 2 сортов (т>2). Так, вклады (Пi) 3-х родительских линий (А,В,D) в потомство трехлинейного скрещивания (А×В)×D равны: 0,25, 0,25 и 0,50 соответственно.

Следует отметить второе упрощающее предположение метода Педерсона, вытекающее из первого — реципрокные различия при построении прогнозов не учитываются.

Полученные прогнозы ( ) по каждому признаку подставляют в основную меру отклонения ожидаемого потомства от идеала:

Цель – подобрать варианты т.е. небольшие наборы родителей и схемы их скрещиваний, обеспечивающие минимум показателя Q.

Из формулы (28) следует: чем больше допустимое отклонение от идеала Dj, тем слабее влияет отклонение j–го признака ожидаемого потомства от идеального значения на параметр Q. Коэффициент 1/Dj играет роль веса – степени вредности отклонения j–го признака

Обычно селекционер располагает большим набором сортов и форм, изученных по хозяйственным признакам в конкурсном и предварительном сортоиспытании, производстве или в коллекционном питомнике. Использование метода Педерсона возможно только при наличии базы данных (БД) об этом селекционном материале (раздел 14.1). В компьютерной программе объединяется информация из БД с прогнозами по формуле (27) и оценками (28). В результате путем перебора огромного числа возможных вариантов гибридизации можно провести первичный скрининг: подобрать несколько небольших наборов сортов и схем их скрещивания, обеспечивающих минимальные значения параметра Q. Какие именно из лучших вариантов реализовать решает селекционер.

Отметим, что принцип максимизации сходства ожидаемого потомства с заданным идеалом соответствует требованию приемлемой выраженности массовой гибридной популяции по комплексу селекционных признаков.

Поскольку метод Педерсона имеет определенные недостатки, разработаны различные его модификации.

Во-первых, для некоторых важных признаков идеальные значения естественно задавать в виде ограничений только снизу или сверху или в виде диапазона приемлемости. Например, урожайность или содержание белка должны быть выше заданных значений (ограничение снизу). Такие признаки, как высота растения или продолжительность периода от всходов до колошения должны быть ниже некоторого заданного значения (ограничение сверху). Качество клейковины, например, для яровой пшеницы должно находиться в заданном интервале: 55...75 единиц ИДК-1 (I группа) или 75...105 единиц (II группа). Слишком высокие (более 105), так же как и очень низкие (менее 45) значения нежелательны. И наоборот, если у сорта признак находится внутри такого диапазона, то отклонение по такому признаку от идеала следует признать нулевым. То же справедливо, если признак сорта ниже границы при ограничении сверху, или выше при ограничении снизу, В методе Педерсона, точнее в формуле (28), все эти особенности не учитываются — отклонение от идеального значения (Ij) в любую сторону считается вредным.

Во-вторых, иногда вместо диапазонов допустимых отклонений (Dj) удобнее задавать в явном виде весовые коэффициенты (аj), характеризующие относительную вредность отклонения различных признаков от идеала. Модуль весового коэффициента отражает значимость (опасность) отклонения признака от идеала, а знак аj учитывает тип ограничения на признак в идеале. В случае ограничения признака снизу аj>0, при ограничении сверху аj<0.

Рассмотрим модификацию метода оценки близости к идеалу, предложенную С.П. Мартыновым [4]. Для примера использованы данные 2-х лет конкурсного испытания 19 сортов и линий яровой пшеницы, рассматриваемых как потенциальные родители. Характеристика четырех из них — Саратовской-42, Саратовской-52, Саратовской-54 и Альбидум-1800 представлена в табл. 28.

Характеристика сортов яровой пшеницы по пяти хозяйственно ценным признакам

Мерой отклонения ожидаемого потомства от модели идеального сорта в этой модификации является

(29)

где Ij, - значения j-го признака у идеала и ожидаемого потомства; аj — весовой коэффициентj-го признака.

sj — стандартное отклонение j-го признака в наборе сортов. Оно определено из всего количества испытанных сортов по формуле

где xij— значение j-го признака у i-го сорта; x.j— средняя j-го признака по всем изученным сортам; M – общее число изученных сортов – потенциальных родителей, например, в коллекции. В примереM=19. Учет sj в формуле (29) снимает влияние различной размерности признаков.

Чем меньше значение SD, тем ближе к идеалу ожидаемое потомство.

Модель идеального сорта (Ij, j=1, 2,…, N) можно задавать на основе данных предварительного изучения коллекции сортов в различные годы и (или) в разных местах. В этом случае вектор идеала представляет собой совокупность оптимальных (наилучших) значений селекционных признаков, полученных при испытании сортов в различных условиях. По некоторым признакам возможно взаимодействие генотип-среда, в результате чего ранги сортов в различных условиях изменяется. При этом один и тот же признак характеризует различные свойства сортов, и его проявление в разных условиях можно рассматривать в качестве независимых признаков.

Например, в благоприятный 1978 год максимальную урожайность показал сорт Саратовская-52, а в засушливый 1977 — Альбидум-1800. Урожайность в благоприятный и засушливый годы можно рассматривать как два разных признака. Причем в благоприятный год у идеала должна быть такая же урожайность, как и у Саратовской-52, а в неблагоприятный — как у Альбидум-1800. (табл. 28).

В примере вектор идеала Ii задан исходя из достигнутых в испытаниях 19 сортов оптимальных значений селекционных признаков. По числу дней до колошения выбраны минимальные значения, а по урожайности, содержанию клейковины и объемному выходу хлеба — максимальные.

По качеству клейковины идеал задан в виде интервала допустимых значений (50...75), соответствующих первой группе качества пшеницы. Обозначим интервал идеальной приемлемости по j-му признаку в модели сорта (I1j.…I2j), где I1j — нижняя, а I2j— верхняя границы интервала. Тогда отклонение (Ij — ) в формуле (29) вычисляется следующим образом. Если прогноз среднего значения признака потомства меньше нижней границы <I1j, то (Ij — )=(Ij — ), а если больше верхней, т.е. >I2j то (Ij — )=( — Ij). Когда значение признака у ожидаемого потомства находится в заданном интервале, т.е.I1j£ £I2j, то при расчете SD принимаем (Ij — )=0.

Если по некоторому признаку все сорта различаются незначимо, то этот признак следует исключить из оценки SD.

В методе С.П. Мартынова признаки могут быть разбиты на несколько групп с одинаковыми весами а для признаков в одной (k-й) группе. Их подсчитывают по формуле

a=pkN/nk; k=1,…,G (30)

где pk — заданный вклад k-й группы признаков в некоторую меру сходства ожидаемого потомства и заданного идеала; nk — число признаков в k-й группе; N — общее число признаков; G — число групп, причем

Поскольку в рассмотренном примере сорта изучали по пяти признакам в течение двух лет, получается пять групп признаков (1-й столбец табл. 28), каждая из которых состоит из 2-х годо-признаков. Всего 5×2=10 годо-признаков.

Весовые коэффициенты аj в примере заданы экспертом так, чтобы степень нежелательности отклонения урожайности от идеала составляла 50%, доля трех последних признаков, характеризующих качество, — 45%, а доля числа дней до колошения 5%. Содержанию клейковины придается 25% суммарного вклада признаков качества, качеству клейковины — 30% и объемному выходу хлеба — 45%.

Указанные вклады отклонений признаков в показатель SD задаем с помощью весовых коэффициентоваj. Поэтому сумма весовых коэффициентов равна 10. Вклад урожайности должен составлять 50%, что соответствует суммарному весу 0,5×10=5. Учитывая то, что на урожайность приходится два годо-признака, вес урожайности в каждом году составляет 5/2=2,5.

Вычисленные с учетом формулы (30) весовые коэффициенты селекционных признаков будут следующими:

урожайность — a1=a2=0,5×10/2=2,5;

дней до колошения — a3=a4=0,05×10/2=0,25;

содержание клейковины — a5=a6=(0,45×10)×(0,25/2)=0,5625 и т.д. по остальным признакам.

По числу дней до колошения весовые коэффициенты отрицательны, поскольку этот признак ограничен сверху (не более 36 дней в 1977 г. и не более 51 дня в 1978 г.). По остальным признакам, ограниченным снизу, аj положительны. Например, в идеале урожайность в 1977 г. ограничена снизу — 26 ц/га, в более благоприятном 1978 г. — 44,8 ц/га.

Весовые коэффициенты аj, стандартные отклонения sjи идеал (Ij) представлены в правой части табл. 28.

Если вместо в формулу (29) подставить фактические значения признаков сорта, то SD может быть использовано как интегральную оценку отклонения каждой родительской формы от модели идеального сорта. Например, для Саратовской-42:

При переборе вариантов простых скрещиваний четырех сортов табл. 28 наименьшее значение SD, равное 10,48, показало скрещивание Саратовской-52×Альбидум-1800.

Общим недостатком методов, оценивающих близость к идеальному сорту средних значений признаков ожидаемого потомства, является отсутствие учета генетического разнообразия популяции потомства. Один вариант скрещивания может давать большую близость средних к идеалу, но иметь низкое генетическое разнообразие популяции потомства по изучаемым признакам, а второй – хотя и дальше от идеала по средним, но с гораздо большей генотипической изменчивостью. Во второй популяции потомства больше вероятность отобрать формы близкие к идеальному сорту. Поэтому генетическое разнообразие потомства также желательно оценивать и учитывать при подборе родительских форм.

7.3. Оценка генетической дивергентности родителей.

Принцип подбора родителей на основе их географической отдаленности хорошо известен. При скрещивании географически отдаленных форм в потомстве ожидается повышенная генетическая изменчивость и, следовательно, легче обнаружить трансгрессивные рекомбинанты.

Географическую отдаленность можно связать с генетической дивергентностью родителей (от лат. DIVERGO — отклоняюсь) т.е. с расхождением линий или популяций, происходящих от общего предка, в результате отбора или изоляции. В процессе эволюции в условиях географической отдаленности в местных популяциях закрепляются и накапливаются гены с наибольшей адаптивной ценностью к специфическим условиям среды. У отдаленных родителей хозяйственные признаки контролируются различными наборами аллелей, случайные рекомбинации которых вызывают трансгрессивное расщепление.

Однако в результате широкого обмена информацией и селекционным материалом в последние десятилетия географическая отдаленность утратила первоначальный смысл. В качестве примера можно привести большую группу сортов, отобранных и районированных в различных странах Азии, Африки и Латинской Америки из одной и той же гибридной комбинации Penjamo-62×Gabo-55, полученной в Международном центре селекции пшеницы и кукурузы (CIMMYT). Это Siete-Cerros-66и Super-X (Мексика), Kalyansona и PV-18 (Индия), Mexipak-65и Indus-66(Пакистан), Mivhor-1177(Израиль), Sidl-Mesri (Ливия), Laketch (Эфиопия).

Поэтому целесообразнее использовать термин генетической отдаленности или дивергентности — несходства аллельного состава родительских форм. Основная проблема при оценке степени дивергенции по генам, определяющим различия форм по хозяйственно ценным признакам, — недостаток сведений о наследовании этих признаков т.е. о связи фенотипических выражений признаков с генотипом. Поэтому часто пытаются оценить общее несходство аллельного состава родительских форм в надежде, что при этом будет учтено различие и по генам хозяйственно ценных признаков.

Ряд исследователей считает, что генетическую дивергенцию можно выразить через специальные параметры с помощью методов многомерного статистического анализа комплекса количественных признаков.

Естественной мерой отдаленности потенциальных родителей служит евклидово расстояние. Рассмотрим геометрическую интерпретацию евклидова расстояния для двух признаков X и Y (рис. 22). На плоскости этих признаков два генотипа изображены точками: 1 — с координатами (х1, у1)и 2 — с координатами (х2, y2). Из рисунка видно, что евклидово расстояние между двумя генотипами определяется по теореме Пифагора:

Пусть у растений двух родительских форм-популяций или сортов измерено N признаков, тогда для N-мерного пространства имеем

,

где, — среднее значение k-го признака у первого и второго сорта.

(РИСУНОК 22)

Для оценки общей генетической дивергенции по всему геному в показатель следует включать максимальное число количественных признаков. Если у признаков различные размерности, то евклидово расстояние может оказаться бессмысленным. Поэтому вводят нормирование путем деления квадрата различия по k-мупризнаку на дисперсию этого признака, вычисленную по всему набору сравниваемых родительских форм (например, по всей коллекции сортов). В результате расстояние между формами, например, между двумя сортами становится безразмерной величиной, вычисляемой по формуле

(k=1,2,…,N), (31)

где, — средние значения k-го признака у i-гои j-го сортов; — дисперсия в k-омстолбце матрицы данных; N — число признаков.

Чем больше dij, тем, как предполагается, больше несходство аллельного состава i-гои j-го сортов.

Евклидово расстояние обладает следующими свойствами:

d12>0; d12=d21; d12+d23³d13

Использование евклидова расстояния в качестве меры генетической отдаленности генотипов возможно при следующих ограничениях:

— многомерные наблюдения извлечены из нормальных генеральных совокупностей;

— все N признаков одинаково важны для классификации генотипов.

Последнее ограничение требует пояснения. Поскольку цель – оценить несходство аллелей родителей по всему геному, несходство по каждому локусу, влияющему на изменчивость комплекса из N признаков, должно «проявиться» в показателе dij один или равное число раз. В противном случае возникнет «перекос» – определенные части генома будут представлены большее число раз, чем другие. Причина – плейотропные эффекты генов.

Поэтому возникает задача «отсева» избыточных признаков, которые, дублируя проявление плейотропных генов, уже учтенное в выражении (31) через другие признаки, искажают оценку несходства аллельного состава генотипов. Для этого можно использовать кластерный анализ всех N признаков, измеренных у всех сортов коллекции. Этот метод объяснен в разделе 3.2.

В данном случае в качестве показателя «дублирования» двух признаков использовался ׀r׀ – модуль коэффициента корреляции этих признаков, вычисленный по всему набору генотипов. Чем выше такой показатель, тем, как полагают, большее число общих локусов определяют взаимную генотипическую изменчивость двух признаков. Данный метод позволяет выявить группы генетически тесно связанных признаков и отобрать от таких групп по одному признаку для использования в евклидовом расстоянии.

В качестве примера рассмотрим дендрограмму рис. 23 — результат кластерного анализа признаков яровой пшеницы. У 58 сортов измеряли следующие признаки: продуктивность растения (1), массу зерна (2), число зерен (3), число колосков (4) и длину (5) главного колоса, массу 1000 семян (6), общую (7) и продуктивную (8) кустистость, продуктивность среднего колоса (9), высоту растения (10), вынос колоса (12), длину главного побега (11), первого (13), второго (14) и третьего (15) междоузлий, число междоузлий (16), толщину стебля (17), число зерен в колосе (18) и плотность (19) главного колоса, период всходы-колошение (20) и всходы-созревание (21).

На первой итерации объединили наиболее тесно коррелирующие признаки — высоту растения (10) и длину главного побега (11); на второй — вынос колоса (12) и длину первого междоузлия (13) и т.д.

Если не остановить процесс, то все объекты кластеризации (признаки) объединятся в один кластер. Возникает вопрос об остановке процесса кластеризации. Поскольку метод эмпирический, единого правила не существует. Например, критерием оптимально завершения кластеризации может быть итерация, когда усредненный внутрикластерный коэффициент корреляции становится вдвое больше максимального межкластерного.(РИСУНОК 23)

В рассмотренном примере условие оказалось выполнено на уровне ׀r׀³0,758. Этот шаг кластеризации считается оптимальным для остановки процедуры. В этом случае видно (горизонтальная штриховая линия рис. 23), что на дендрограмме просматриваются следующие кластеры признаков: I — (10, 11, 12, 13, 14, 15); II — 16; III — (20, 21); IV (7, 8); V (2, 9); VI (3, 18); VII 1; VIII 6; IX 5; X 19; XI 4; XII 17. В качестве признака – представителя от кластера можно взять по одному любому из них, например, первые из списков: 10, 16, 20, 7, 2, 3, 1, 6, 5, 19, 4; 17. Их достаточно, чтобы подсчитать евклидово расстояние по формуле (29). Тогда признаки 11, 12, 13, 14, 15, 21, 7, 9, 18 можно считать избыточными. Их генетическая изменчивость уже отражена в названных признаках – представителях кластеров.

Итак, исходными данными для подсчета евклидова расстояния между сортами служат средние значения N количественных признаков у изучаемых сортов, а также коэффициенты корреляции пар признаков, которые используются для отсева дублирующих признаков.

Другая мера дивергентности генотипов — расстояние Махаланобиса. Оно включает матрицу N-гопорядка, состоящую из covkl — ковариаций всехN признаков без отсева.

Меру Махаланобиса для пары сортов (i, j) определяют по формуле

где (covkl)-1 – элемент обратной ковариационной матрицы признаков; ( ) — элементы вектора разностей средних значений i-гo и j-го генотипов по k-мупризнакам.

В качестве меры отдаленности родителей можно также использовать произведение, где dij— евклидово расстояние и rij— коэффициент корреляции между zi, zi — векторами нормированных средних значений признаков i-го и j-го генотипов. Нормирование k-гопризнака i-го генотипа проводят по формуле

zik=( )/sk,

где — фактическое значениеk-гопризнака у i-го генотипа, — среднее по всему набору потенциальных родителей. sk— стандартное отклонение, вычисленное по всему набору родительских форм.

Для статистической оценки дивергентности родителей можно применять различные эвристические показатели, например, коэффициент дивергенции

где zik zjk — нормированные значения k-гопризнака у i-го и j-го генотипов; N — общее количество признаков.

Вместо меры расстояния между родителями можно использовать меру сходства sij. Например, sij=1/dijили sij=1-dij, где dij — мера расстояния. Мерой сходства служит также модуль коэффициента корреляции ׀rij׀ между рядами zi и zj — векторами нормированных средних значенийN признаков i-го и j-го сортов.

Предложены и другие показатели дивергентности, основанные на анализе количественных признаков родительских форм, как индикаторов аллельного состава.

7.4. Оценка сходства родительских форм по генетическим данным.

Описанные выше меры расстояния (сходства), по-видимому, не всегда адекватны генетической дивергентности сортов. Дело в том, что сходство значений некоторых количественных признаков может определяться не только близостью генотипов, но и одинаковыми селекционными критериями и целями при проработке дивергентного материала в условиях одинаковых лимитирующих факторов внешней среды. Например, можно предположить, что у засухоустойчивых генотипов, отобранных в Поволжье и Канаде, толерантность к засухе детерминируется различными генетическими системами. Однако, например, евклидово расстояние между такими генотипами по нескольких количественных признаков может оказаться малым: сорта окажутся «близкими». Важнейшая задача селекции — объединение специфических генных комплексов, детерминирующих тип развития, качество продукции, устойчивость к болезням, толерантность к стрессам и другие хозяйственные признаки.

Поэтому более корректными являются меры сходства родителей, основанные непосредственно на их генетических маркерах. Исходными данными могут, в частности, служить частоты идентифицированных аллелей по нескольким локусам, маркирующих хромосомы сравниваемых родительских форм.

На этой основе применим показатель различия D, предложенный М. Неем (см. раздел 3.2), а также т.н. показатель симилярностиSimij— мера сходства i-го иj-го сортов:

где min(pki, pkj) — минимальное значение из частот k-го аллельного варианта маркерного локуса у двух сравниваемых сортов; GM — число маркерных локусов; K — общее число аллельных вариантов по все маркерным локусам.

Рассмотрим пример оценок этого показателя по трем генетическим маркерам X,Y,Z. Пусть четыре сорта различаются аллельными вариантами полиморфных маркерных локусов (табл. 29). При этом сорта А,В иС гомогенны по всем локусам, а сорт D гетерогенен по локусам X и Z.

У сорта А частота аллеля х1равна единице, а у сорта В — нулю. Следовательно, минимальная частота данного аллеля р=0. То же относится и ко всем остальным аллелям этих сортов.