【技术实现步骤摘要】
【国外来华专利技术】植物育种方法植物育种方法与相关申请的交叉引用本申请是非临时实用专利申请,其要求下列临时专利申请的优先权和利益2003年5月28日由Smith等人提交的的标题为Plant Breeding Method的USS萌474, 359,此处引用其全文作为参考, 专利
本专利技术提供了预测植物中表型性状值的方法,所述方法使用笫一 植物群体的基因型、表型和家系关系信息鉴定至少一个遣传标记和表型性状之间的关联,然后利用所述关联在具有已知标记基因型的第二乾群体的成员中预测表型性状值.本专利技术也涉及鉴定影响表型性状的新的等位基因变体的方法.专利技术背景选择育种数世纪来已被用于提高或试图提高植物中具有农艺学 和经济学利益的表型性状(例如,产重、谷粒含油百分比等).以其 最基本的形式,选择育种涉及基于一个或多个表型性状选择作为下一 代的亲本的个体.然而,这种表型选择由于环境(例如,土壤类型、 降雨、温度变化范围等)对表型性状的影响而变得复杂,另一个有关 这种表型选择的问题是绝大部分目的表型性状由超过一个基因座控 制.据估计在驯化的植物中98X的经济上重要的表型性状是数量性状 (Beavis的USPN 6, 399, 855,标题为QTL mapping in plant breeding populations).基于认识到的影响表型性状表达变异性的分离遗 传因子的数目和量级,这些性状被分为寡基因或多基因性状.历史上,术语数量性状曾被用来描述显示连续变异性的表型性状 表达的变异性,并且其是多基因座相互之间和/或与环境之间的可能 相互作用的净结果.为了描述更广泛的现象,术语 ...
【技术保护点】
预测靶植物群体中表型性状值的方法,所述方法包括: (a)提供至少一个遗传标记和表型性状之间的关联;其中估计第一植物群体中的所述关联,所述第一植物群体是已建立的育种群体或其部分;其中根据统计学模型估计第一植物群体中的所述关联,所述统计学模型合并所述第一植物群体的一套遗传标记的基因型和所述第一植物群体中的表型性状值;和, (b)提供至少一个靶植物群体成员的表型性状值,其中所述提供包括根据(a)的关联和根据至少一个与所述表型性状相关的遗传标记的至少一个成员的基因型预测所述值。
【技术特征摘要】
【国外来华专利技术】US 2003-5-28 60/474,3591.预测靶植物群体中表型性状值的方法,所述方法包括(a)提供至少一个遗传标记和表型性状之间的关联;其中估计第一植物群体中的所述关联,所述第一植物群体是已建立的育种群体或其部分;其中根据统计学模型估计第一植物群体中的所述关联,所述统计学模型合并所述第一植物群体的一套遗传标记的基因型和所述第一植物群体中的表型性状值;和,(b)提供至少一个靶植物群体成员的表型性状值,其中所述提供包括根据(a)的关联和根据至少一个与所述表型性状相关的遗传标记的至少一个成员的基因型预测所述值。2. 权利要求l的方法,其中所迷笫一植物群体包含多个近交种、 单交F1杂种或其组合.3. 权利要求2的方法,其中所述笫一植物群体由近交种、单交 Fl杂种或其组合组成.4. 权利要求2的方法,其中所述各近交种和/或单交Fl杂种的 祖先是已知的,且其中各近交种和/或单交Fl杂种是三个或更多个建 立者中至少一个的后代.5. 权利要求1的方法,其中所述已建立的育种群体包含至少三 个建立者和建立者的后代,其中所述后代的祖先是已知的.6. 权利要求5的方法,其中所述已建立的育种群体包含大约100 至大约200个建立者和建立者的后代,其中所迷后代的祖先是已知 的,7. 权利要求1的方法,其中所述笫一植物群体的成员跨越至少3 个育种周期.8. 权利要求7的方法,其中所述笫一植物群体的成员跨越至少4 个育种周期.9. 权利要求7的方法,其中所述第一植物群体的成员跨越至少7 个或至少9个育种周期.10. 权利要求l的方法,其中所述表型性状是数量表型性状.11. 权利要求l的方法,其中所迷表型性状是质量表型性状.12. 权利要求l的方法,进一步包括选择至少一个把植物群体的 具有想要的表型性状预测值的成员.13. 权利要求12的方法,进一步包括将至少一个选择的所述靶 植物群体的成员与至少一上其它植物进行育种,14. 权利要求l的方法,其中所述第一植物群体包含大约50至 大约5000个成员.15. 权利要求1的方法,其中所述笫一植物群体包含多个近交系.16. 权利要求1的方法,其中所述笫一植物群体包含多个单交F1 杂种.17. 权利要求l的方法,其中所述笫一植物群体包含多个近交种 和单交F1杂种的组合.18. 权利要求l的方法,其中通过在至少一个与至少一个测交亲 本的顶交组合中估计所述第一植物群体的成员之间的表型性状来在 所述第 一植物群体中获得表型性状值.19. 权利要求l的方法,其中所述表型性状选自产量、谷粒含 水重、谷粒含油重、根抗倒伏性、茎杆抗倒伏性、抹高、谷穗高、抗 病性、抗虫性、抗旱性、谷粒蛋白含量、试验重量和穗轴颜色.20. 权利要求l的方法,其中所述成套的遣传标记包含一个或多 个单核苷酸多态性(SNP)、多核苷酸多态性、至少一个核苷酸插 入、至少一个核苷酸的缺失、简单序列重复(SSR)、限制性片段长 度多态性(RFLP)、随机扩增多态DNA (RAPD)标记或任意片段长度 多态性(AFLP).21. 权利要求1的方法,其中所述成套的遗传标记包含1至10 个标记。22. 权利要求1的方法,其中所述成套的遣传标记包含500至 50, 000个标记.23. 权利要求l的方法,其中通过实验确定各近交种的基因型和 预测存在于所迷笫一植物群体中的各单交Fl杂种的基因型来获得所 述笫一植物群体的成套遣传标记的基因型.24. 权利要求23的方法,其中通过实验确定各近交种的基因型 包括对来自各近交种的成套DNA片段进行测序.25. 权利要求24的方法,其中所述成套DNA片段包含两个或更 多个基因的5,非翻译区和/或3,非翻译区。26. 权利要求l的方法,其中提供至少一个遣传标记和表型性状 之间的关联包括提供包含两个或更多个遣传标记的单元型和表型性 状之间的关联.27. 权利要求l的方法,其中所述统计学模型合并所述笫一植物 群体的成员之间的家系关系.28. 权利要求l的方法,其中根据所迷统计学模型估计关联包含 使用线性模型、混合线性模型或非线性模型进行Bayesian分析.29. 权利要求28的方法,其中通过可逆的跳跃马尔可夫链Monte Carlo算法、厶方法或特征似然算法进行Bayesian分析.30. 权利要求l的方法,其中根据所述统计学模型估计所述关联 包括使用线性模型进行Bayesian分析,所述Bayesian分析通过可逆 的跳跃马尔可夫链Monte Carlo算法进行.31. 权利要求l的方法,其中根据所述统计学模型估计所述关联 包括进行传递不平衡检验.32. 权利要求1的方法,其中估计所述关联包括和/或允许确定 一个或多个相关近交种和/或单交Fl杂种的系谱中的至少一个遗传 标记的建立者等位基因的血缘同一信息,和允许在整个这样的系谦中 追踪至少一个遣传标记.33. 权利要求l的方法,其中通过实验确定所迷靶植物群体的至 少一个成员的至少一个遣传标记的基因型,34. 权利要求33的方法,其中通过高通量筛选经实验确定所述 基因型。35. 权利要求l的方法,其中预测所述把植物群体的至少一个成 员的至少一个遣传标记的基因型,36. 权利要求l的方法,其中所迷靶植物群体包含近交植物.37. 权利要求l的方法,其中所迷靶植物群体包含杂交植物.38. 权利要求37的方法,其中所述杂交植物包含从近交系之间 单交产生的Fl后代。39. 权利要求38的方法,其中所述F1后代从包含所述第一植物 群体的近交种之间的单交产生,所述杂交植物不包含所述笫一植物群 体.40. 权利要求l的方法,其中所述靶植物群体包含从包含至少一个所述笫一植物群体的成员的育种杂交产生的后生世代。41. 权利要求l的方法,其中在所述靶植物群体的至少一个成员 中预测表型性状值包括使用最佳线性无偏预测方法预测所述值.42. 权利要求l的方法,其中在所述靶植物群体的至少一个成员 中预测表型性状值包括通过使用多重回归方法、选择指数技术、脊回 归方法、线...
【专利技术属性】
技术研发人员:OS史密斯,M库珀,SV廷吉,AJ拉法尔斯基,R吕德特克,WS尼布尔,
申请(专利权)人:先锋高级育种国际公司,纳幕尔杜邦公司,
类型:发明
国别省市:US[美国]