Genomic tools for improving yield and forage quality in timothy (Phleum pratense L.)

Hovedmålet med dette prosjektet er å utvikle genomisk seleksjonsmetodikk for foredling av timotei. Fôr av timotei er en av de viktigste innsatsfaktorene i norsk landbruk. I prosjektet vil DNA-sekvensering, bioinformatikk og statistiske metoder bli benyttet for å utvikle verktøy som er nødvendig for å implementere genomisk seleksjon (GS) i timoteiforedlingsprogrammet til Graminor, industripartneren i prosjektet. GS er en metode som gjør det mulig å gjøre utvalg av foreldreplanter til kryssinger på basis av genotypisk verdi, målt ved hjelp av genetiske markører, i stedet for tradisjonelt basert på fenotypeverdier. I de tidligere framdriftsrapportene har vi rapportert beregnede arvbarheter, bias og nøyaktighet for alle avlingsdata i treningspopulasjonen. Treningspopulasjonen består av 720 fullsøskenfamilier testet i 3-årige feltforsøk, sådd to ganger i påfølgende år på 2-3 steder i Norge (Løken, Staur og Vågønes 2003-2005; Løken, Vågønes og Arneberg (Graminor) 2006; og Løken and Arneberg 2007-2012). Et generelt resultat er at GEBV (Genomic Estimated Breeding Value) prediksjonene for avling har høy korrelasjon med de observerte avlingsdata, de har liten bias og, som forventet, moderate arvbarheter. GEBVer estimert i treningspopulasjonen ved hjelp av gBLUP (genomic-Best-Linear-Unbiased-Predictor) modeller er sammenliknet med prediksjoner basert på avanserte maskinlæringsmodeller som Reproducing Kernel Hilbert Space (RKHS) i samarbeid med Dr. Jose Crossa, CIMMYT, Mexico. Avlingsdata som tørrstoffavling (kg tørrstoff/slått/år), og total tørrstoffavling (sum kg tørrstoff/år og over år) har sammenliknbare nøyaktigheter (0.950 til 0.997) både ved gBLUP og RKHS. GS modellene for avling estimert i treningspopulasjonen har blitt implementert i valideringspopulasjonen for prediksjon av GEBVer. Valideringspopulasjonen består av 213 fullsøskefamilier (FS) som ble høstet i 2016, 2017 og 2018 (3 års avlingsdata) på Bjørke (Graminor) og Løken. De estimerte GEBVer for avling i valideringspopulasjonen er korrelert med de observerte avlingsdataene for å kryssjekke hvor effektive GS modellene er. Noen egenskaper så som KGDM201 (tørrstoffavling i første slått, andre høsteår) og SUMDM2 (total tørrstoffavling over slåtter, andre høsteår) har korrelasjoner på henholdsvis 0,45 og 0,29. For andre egenskaper er korrelasjonene svært lave. Vi arbeider med å finne ut årsaken til de lave korrelasjonene. De er imidlertid sammenliknbare med tilsvarende studier av genomisk seleksjon i andre fôrgrasarter, f.eks. flerårig raigras. I inneværende rapporteringsperiode har vi utviklet et nytt SNP markørsett (180 000 SNPer) ved hjelp av et ufullstendig referansegenom av timotei utviklet ved bruk av Oxford Nanopore Sequencing Technology (internt NMBU). Disse nye SNP-markørene blir brukt til å estimere GEBV-er for avling og kvalitet ved bruk av de samme prediksjonsmodellene som ble utviklet og anvendt for det første SNP-markørsettet. Dette markørsettet var basert på en de novo sammenstilling av genomet, dvs. et genom generert ut fra korte sekvenser og med lav presisjon. Vi forventer at det nye SNP markørsettet vil forbedre sammenhengen mellom de predikerte avlsverdiene og de observerte avlings- og kvalitetsdataene. Resultatene av disse analysene vil bli publisert etter i løpet av det kommende året.

Dette er den første studien av genomisk seleksjon (GS) anvendt i timotei. Prosjektet viser lovende resultater for implementering av GS i foredlingsprogrammet hos Graminor, som har det nasjonale ansvaret for å foredle nye og forbedrede grassorter med høyt avlingspotensial, god kvalitet og tilpasning til norske vekstforhold. GS kan predikere genomisk-estimerte avlsverdier (GEBV) i timotei, spesielt for egenskaper der mange og presise fenotypiske observasjoner eksisterer. Genomsekvens for timotei, og unik kompetanse innen bioinformatikk og statistisk modellering for krysspollinerte arter er utviklet. Dette er avgjørende for vellykket implementering av GS i Graminor sine engvekstforedlingsprogrammer. GS muliggjør en raskere foredling av nye sorter, og vil øke konkurranseevnen til Graminor sine sorter på markedet. Landbruket vil ha stor nytte av forbedrede sorter med høy avkastning, god kvalitet og klimatilpasning som gir høyere inntekt i melk- og kjøttproduksjonen.

The primary objective of this project is to develop genomic tools for breeding of high quality timothy cultivars adapted to Norwegian growing conditions. Timothy is one of the most important input factors for Norwegian farming, and new improved cultivars with proper adaptation to the future climate will improve the economic value of milk and meat production. In this project, we will employ 'state-of-the art' genotyping and bioinformatic methods to develop tools that can be used to implement genomic selection (GS) in the breeding programme of timothy at Graminor AS, the industrial partner in this project. A large number of full-sib families which has been phenotyped for yield and forage quality in progeny tests will be genotyped using genotyping-by-sequencing (GBS) methods. Family-based genome-wide allele frequency profiles will be derived and used in conjunction with the phenotypic data to study associations and develop different GS models. The predictive power of different GS models will be tested, and finally validated in an unrelated set of families which are being progeny tested during the course of the project. Strategies for implementation of GS breeding for timothy will be developed in collaboration with the Danish partners. Graminor AS has a relatively large breeding activity in timothy with the aim of capturing market shares also in markets outside Norway. Development and implementation genomic-based breeding methods will be a key element for the competitive strength of Graminor AS in the near future. For NMBU this project is of great academic interest.