《日本科学家应用基因选择精准预测果实性状》

  • 来源专题:农业科技前沿与政策咨询快报
  • 编译者: 李楠
  • 发布时间:2017-11-28
  • 分子标记辅助选择技术(Marker-assisted selection,MAS)的原理是基于特定DNA标记基因型和特定性状之间存在关联。该技术已广泛应用于育种的早期选择。例如,通过基因选择能够准确选取果实的性状,包括重量、硬度、剥皮难易度、果皮颜色、果肉颜色、小室膜硬度等。这些性状都受多个基因调控,往往很难通过传统的MAS技术选取。

    基于大量DNA标记基因型数据,日本农业和食品研究组织(National Agriculture and Food Research Organization,NARO)携手东京大学(University of Tokyo)和日本国立遗传学研究所(National Institute of Genetics)联合开展研究,主要针对基因选择在幼苗阶段对多种果实优秀性状潜力进行评估研究。研究结果显示,利用大量DNA标记基因型数据(DNA marker genotype data)进行基因选择(genomic selection),能够在柑橘幼苗期有效预测果实性状。该研究成果于2017年7月6日在《科学报道》(Scientific Reports)在线出版。

    基因选择的应用将实现在植物幼苗期能够准确选择果实的重要性状,例如果实重量、颜色、剥皮难易度等,而不必评估果实本身。通过传统的DNA标记选择技术选取果实性状一直都是技术难题,而该方法将提高柑橘育种效率、有利于培育新品种、改善果实各种性状,包括大小、含糖量、剥皮难易度等,满足消费者和生产者的需求。

    (编译 李楠)

相关报告
  • 《科学家利用基因编辑转座子改良水稻性状》

    • 编译者:季雪婧
    • 发布时间:2025-07-15
    • 转座子(TEs)是真核生物基因组中广泛存在的DNA重复序列,约占水稻基因组的35%。转座子是植物产生遗传变异的重要来源,通过多种机制调控基因表达及表型变异。水稻的泛转座子变异图谱研究表明,转座子在水稻驯化和育种性状改良方面发挥重要作用。 近日,中国科学院院士、遗传与发育生物学研究所研究员李家洋带领的科研团队,联合崖州湾国家实验室的研究人员,在《植物生物技术杂志》(Plant Biotechnology Journal)上在线发表了题为Generation of OsGRF4 and OsSNAC1 alleles for improving rice agronomic traits by CRISPR/Cas9-mediated manipulation of transposable elements的研究论文。该研究通过对水稻基因OsGRF4或OsSNAC1的非编码区进行转座子编辑,实现了对目的基因表达的精确调控。同时,该研究创制的优良等位基因为作物遗传育种提供了新策略。 微型反向重复转座子(MITEs)是短小而非自主的DNA转座子,是水稻基因组中数量较多的转座元件,且与至少58%的水稻基因相关。研究表明,MITEs是水稻基因表达变异的主要驱动因素之一,而利用MITE插入多态性进行全基因组关联研究有助于挖掘并控制农艺性状的潜在基因。 该研究推测,通过CRISPR/Cas9基因编辑技术设计基因非编码区的MITEs转座子分布可以上调或下调目标基因的表达,从而创制新的基因等位基因型以改良水稻性状。为验证这一设想,科研人员选择水稻中的生长调节因子4基因OsGRF4和胁迫响应基因OsSNAC1进行研究。研究显示,OsGRF4可正向调控水稻产量的相关性状,在其终止密码子下游的1200bp内插入一个294-bp的PIF/Harbinger超家族MITE;OsSNAC1可以增强水稻的耐盐性,但在其上下游非翻译区未检测到MITE。研究发现,水稻某些基因下游非编码区中的MITE可以介导靶基因的翻译抑制。因此,研究认为,通过CRISPR/Cas9技术删除OsGRF4下游非翻译区中的MITE,可以创制出过表达的等位基因型。研究针对OsGRF4基因的MITE靶区域,设计构建了2个CRISPR/Cas9 sgRNAs,并对其进行编辑。科研人员对得到的无转基因的纯合突变体进行分析发现,OsGRF4基因的MITE删除,提高了OsGRF4mite突变体中靶蛋白的丰度,并改善了与产量相关的农艺现状。水稻基因上游非翻译区中的一些MITEs可作为增强子,如miniature Ping (mPing) TE可以增强盐胁迫响应基因的转录水平。因此,研究人员尝试将430-bp的mPing插入耐盐基因OsSNAC1的上游非翻译区。进而,科研人员剖析得到的纯合突变体发现,OsSNAC1基因的MITE插入,提升了盐胁迫下OsSNAC1MITE突变体中靶基因的转录水平,并增强了它的耐盐性。
  • 《日本科学家利用人工智能帮助探测热带气旋前兆》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:mall
    • 发布时间:2019-01-04
    • 日本国立海洋研究开发机构(JAMSTEC)地球信息科学与技术中心的Daisuke Matsuoka博士和九州大学的Seiichi Uchida教授领导的一个研究小组成功地提出了一种识别热带气旋及其前体的深度学习方法。 在传统方法中,台风和飓风等热带气旋的预测通常采用基于观测数据的气候模型和从卫星数据监测云发展的模型驱动方法进行。在这项研究中,研究小组应用了数据驱动方法,使用深度学习的方法得到大量的模拟数据,从而检测正在发展的热带气旋的前兆,并检验检测结果的准确性。 为了确保在深度学习中准确识别,需要大量的数据,每个类别需要超过几千个例子。因此,科学家首先将热带气旋跟踪算法应用于NICAM(非流体静力学二十面体大气模型)生成的20年气候模拟数据,并创建了5万张热带气旋和发展中的热带气旋前兆云图。他们还根据上述50000张云图结合100万张没有发展成热带气旋的云图创建了10组训练数据集,总共制作了1,050,000张图像。使用深度卷积神经网络算法,通过机器学习形成了10种不同特征的分类器。通过对10种不同类型的分类器结果进行综合评价,建立了一个整体分类器进行最终判断,发现利用NICAM的气候模拟数据可以更准确地检测出热带气旋的前兆。 然而,要在热带气旋实际发生之前对其进行预测,仍需进一步改进训练方法和数据集,确保卫星观测云图和数据同化实时模拟数据的探测能力达到相同水平。通过在这一领域采用人工智能技术进行深度学习,有望在数据驱动和模型驱动相结合的基础上,为海洋和地球科学大数据分析带来新的发展。 相关研究结果已于2018年12月19日发表在《地球与行星科学进展》期刊上。 (王琳 编译)