Jannink J-L, Lorenz A J, Iwata H. 2010. Genomic selection in plant breeding: from theory to practice. Briefings in Functional Genomics, 9(2): 166–177.
我们直观地认为，我们所经历的DNA标记信息的成本急剧下降，应该能够在提高产量，质量和生物和非生物胁迫耐受性的同时加速作物品种的交付中立即获益。但这些特征是复杂的，受到许多基因的影响，每个基因的作用都很小。传统的标记辅助选择对于这些特征是无效的。然而，基因组选择（GS）的引入已经转移了这一范式。 GS不会试图识别与特征显着相关的个体位点，而是使用所有标记数据作为性能的预测因子，从而提供更准确的预测。选择可以基于GS预测，可能导致更快速和更低的成本收益来自育种。本文的目的是审查GS的基本方面，并总结近期理论，模拟和实证研究的重要回馈信息。然后我们期待并考虑围绕方法问题的研究需求以及GS对长期选择的影响。
引言
预测二十多年来，分子标记技术将重塑繁殖计划，促进选择的快速增长[1,2]。然而，目前，标记辅助选择（MAS）未能显着改善多基因性状[3,4]。虽然MAS已经有效地操纵具有已知与标记相关的大效应等位基因[5]，但是当许多等位基因具有小的效应分离并且没有实质的，可靠的效果可以被鉴定时，已经处于僵局[6]。传统MAS的弱点来自MAS将业务划分为两个组成部分，首先识别QTL，然后估计其影响。 QTL鉴定方法可以使MAS不适合作物改良：（i）可以使用不代表性的两性种群，并且在任何情况下不具有与整个育种计划相同的等位基因多样性和相位水平[7,8]; （ii）产生这种人口的必要性是昂贵的，使得人口可能很小，因此力量不足; （iii）确认发现是有必要的，需要额外的努力; （iv）QTL识别与估计的分离意味着估计效应将有偏差[9-11]，并且由于使用严格的显着阈值，小效应QTL将被完全错过[12]。
已经提出了直接应用于育种种群的关联定位（AM），以减轻QTL鉴定中双亲种群缺乏相关性[13]，并且QTL已经以这种方式进行了绘制[14,15]。这种做法永远不会保留偏见效应估计的缺点，因此线路性能预测不佳[12,16]
这个困境的解决方案不在于寻求与单一大效应相关的单一标记，而是以低成本评估许多标记的开发能力。添加这种能力的新型统计方法，可以同时估计所有标记效应，并获得基因组选择（GS; [16]）。 GS使用已经基因型和表型的个体的“培训群体”来开发一个模型，该模型从未经测试的个体的“候选群体”获取基因型数据，并产生基因组估计的育种值（GEBV）。这些GEBVs并没有说明基因基因的功能，但它们是理想的选择标准。在植物育种条件下，未经测试的个体将属于更广泛的种群，定义为作物种类或作为整体的育种计划。在模拟研究中，仅基于个体基因型的GEBV已经非常准确[16-18]。这些准确性已经在奶牛[19-21]，小鼠[22,23]和玉米，大麦和拟南芥的双亲种群的实证研究中取得了进展[24]。鉴于减少基因分型成本和停滞或增加的表型成本，以及在育种周期早些时候选择个体的能力，GS正在对动物[19,25]和植物[26,27]进行繁殖。在这方面，本文的目的是回顾GS的基本方面，并总结近期理论，模拟和实证研究中的重要回馈信息。然后，我们期待并考虑围绕最佳预测方法，大多数信息化培训群体设计和GS对长期选择的影响的问题的研究需求。
网友评论