Using Genomic Selection in Barley to Improve Disease Resistance
Upcoming SlideShare
Loading in...5
×
 

Using Genomic Selection in Barley to Improve Disease Resistance

on

  • 1,982 views

Kevin P. Smith, Vikas Vikram, Ahmad Sallam, Aaron Lorenz, Jean-­‐Luc Jannink, Jeffrey Endleman, Richard

Kevin P. Smith, Vikas Vikram, Ahmad Sallam, Aaron Lorenz, Jean-­‐Luc Jannink, Jeffrey Endleman, Richard
Horsley, Shiaoman Chao, and Brian Steffenson

Statistics

Views

Total Views
1,982
Views on SlideShare
1,982
Embed Views
0

Actions

Likes
0
Downloads
18
Comments
0

0 Embeds 0

No embeds

Accessibility

Upload Details

Uploaded via as Adobe PDF

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

Using Genomic Selection in Barley to Improve Disease Resistance Using Genomic Selection in Barley to Improve Disease Resistance Presentation Transcript

  • Using  Genomic  Selec.on  in  Barley  to   Improve  Disease  Resistance   Kevin  P.  Smith,  Vikas  Vikram,  Ahmad  Sallam,  Aaron  Lorenz,   Jean-­‐Luc  Jannink,  Jeffrey  Endleman,  Richard  Horsley,  Shiaoman   Chao,  and  Brian  Steffenson    
  • Genomic  Selec.on   Training  populaGon   Line  1   76   1   1   1   Line  2   56   1   1   1   Line  3   45   1   1   1   Line  4   67   0   1   0   Line  n   22   1   1   1      Line                  Yield        Mrk  1    Mrk  2  …              Mrk  p   …   Model  training   SelecGon  candidates   Line  A   1   1   1   Line  B   1   1   1   Line  C   1   1   1   Line  D   0   1   0   Line  n   1   1   1      Line                  Yield        Mrk  1    Mrk  2      …          Mrk  p   …   Parent  selecGon   Line  A   80   1   1   1   Line  B   67   1   1   1   Line  C   56   1   1   1   Line  D   89   0   1   0   Line  n   23   1   1   1   Line            GEBV          Mrk  1    Mrk  2    …        Mrk  p   …   Basic  framework   GEBV  =  genomic  es.mated  breeding  value   PredicGon       1 ˆ p i j i j j GEBV b x = = ∑1 p i j i j j y b x = = ∑
  • R/T  =                              i  r  ∂A   Gain per Year Selection Intensity Accuracy Genetic Variance # Breeding Cycles Year                  Crossing   1              F1                    F2                    F3   2              F4                    F5  Head  Rows   3              1st  Year  Yield   4              2nd  Year  Yield   5              3rd  Year  Yield   6              Regional/Industry   7              Regional  Industry   8              Variety  Release     Genomic  Selec,on  Improves  Gain  per  Time  
  • Barley  Predic.on  Data  Sets   USDA Regional Genotyping Centers Fargo Triticeae Toolbox http:// triticeaetoolbox.org/ SNP Map Ten U.S. Barley Breeding Programs Fargo,  ND   Raleigh,  NC   Manha[an,  KS   Pullman,  WA  
  • Assessing  Predic.on  Accuracy   Training   PredicGon   Sub-­‐sample     Single  Data  Set   Dis.nct  Training  and     Predic.on  Data  Sets   Training  =  Parents   Predic.on  =  Progeny   CROSS  VALIDATION   INTER-­‐SET  VALIDATION   PROGENY  VALIDATION   RelaGve  Accuracy  =  CorrelaGon  (GEBV,  Observed)/Sqrt(Heritability)  
  • Fusarium  Head  Blight    (FHB)   Another  challenging  disease  in  Barley   Major  outbreak  in  Midwest  U.S.  in  1993   Mycotoxin  deoxynivalenol  (DON)   Sources  of  resistance  are  unadapted   Quan.ta.vely  inherited  resistance   Many  QTL  with  small  effects   Challenging  to  phenotype  
  • Barley  CAP     FHB  Six-­‐row  Midwest  Data  Set     896  six-­‐row  lines   3,072  SNPs   Mean  of  4  trials   Evaluated  over  4  years   Busch  Agriculture   BA   U.  Minnesota   UM   North  Dakota  State   ND   CAP  I   CAP  II   CAP  III   CAP  IV   96   96   96   96   32   32   32   32   96   96   96   96  
  • Training  Panel  and  Marker  Set  Size   Lorenz  et  al.,  2012   Training  Pop  =  200;  384  Markers  
  • Cross  and  Inter-­‐Set  ValidaGon   Training   PopulaGon     POP1         POP2           POP1         POP2         POP1  +  POP2   POP1  +  POP2   ValidaGon   PopulaGon   POP1   POP2     POP2   POP1   POP1   POP2   RelaGve     Accuracy   0.78   0.56     0.38   0.24   0.65   0.68   UM                BA                  ND   Lorenz  et  al.,  2012  
  • UM  –  ND  CollaboraGve  Breeding   UM   ND   480   480   480   21  Parents   Random  Progeny   100   100   100   UM  x  UM   UM  x  ND   ND  x  ND  
  • Progeny  ValidaGon   Progeny     Panel   UM  x  UM   ND  x  ND   UM  x  UM   ND  x  ND   UM  x  UM   ND  x  ND   UM  x  ND   Training   anel   POP1   POP1   POP2   POP2   POP1  +  POP2   POP1  +  POP2   POP1  +  POP2   RelaGve   Accuracy   0.58   0.07   0.26   0.48   0.56   0.40   0.35   Cross  ValidaGon   Accuracy   0.78   0.38   0.24   0.56   0.65   0.68   Vikram  et  al.,  in  prep.  
  • UM  –  ND  Breeding  Lines   UM   ND   480   480   480   21  Parents   Random  Progeny   100   100   100  89   UM  Phenotypic  SelecGon   89   CAP  Training  Panel   384  SNP  markers   DON  and  Yield   2  Loca.on  /  2  Rep   FHB  and  DON  
  • Gain  from  SelecGon  for  DON  (Cycle  1)   0   50   100   0.4  0.6  0.8  1.0  1.2  1.4  1.6  1.8  2.0  2.2  2.4  2.6  2.8  3.0   0   20   40   0.4  0.6  0.8  1.0  1.2  1.4  1.6  1.8  2.0  2.2  2.4  2.6  2.8  3.0   Genomic  Selec.on   Random  Selec.on   0   20   40   0.4  0.6  0.8  1.0  1.2  1.4  1.6  1.8  2.0  2.2  2.4  2.6  2.8  3.0   Phenotypic  Selec.on  
  • Vulnerability  of  Barley  to  Race  TTKSK     •  Over  2,800  Hordeum  accessions   evaluated  as  seedlings  &  adults     •  More  than  97%  were  suscep.ble   including  those  carrying  Rpg1  
  • Genetics of Resistance to Race TTKSK •  Six diverse resistant Hordeum accessions were subject to genetic analysis •  All were found to carry rpg4/ Rpg5 complex, the only major genes known to confer resistance to TTKSK •  Further highlights the extreme vulnerability of barley
  • Univ.  Minnesota   North  Dakota  State  (2-­‐row)   North  Dakota  State  (6-­‐row)   Washington  State   Montana  State   USDA  –  Idaho   Utah  State   Busch  Agriculture   8  Spring  Barley  Breeding  Programs   Screened  in  Kenya  for  Ug99   CAP  I   CAP  II   CAP  III   CAP  IV     Screened  in  2010     Screened  in  2011     Barley  CAP     Spring  Barley  Adult  Stem  Rust  (TTKSK)  Data  Set    
  • Barley  CAP     Mapping  and  Breeding  Infrastructure     University  of  Minnesota    Breeding  Program   U.  Minnesota   UM   CAP  I   CAP  II   CAP  III   CAP  IV     192  lines     192  lines    
  • Kenya  Adult  Plant  Screening  for  UM   Breeding  Lines   0   20   40   60   80   100   0   10  20  30  40  50  60  70   0   50   100   150   200   S   MS   MR   R   InfecGon  Type   Disease  Severity  
  • Kenya  Adult  Plant  Screening  for  UM   Breeding  Lines   Inter-­‐Set  Valida.on                                                                                      Rela.ve   Training        Predic.on        Accuracy   I  &  II                          III  &  IV                          0.28   III  &  IV                    I  &  II                                0.29  
  • Expand  Training  PopulaGon  and   Parents     0   20   40   60   80   100   0   10  20  30  40  50  60  70   CAP  III  and  IV  All  Programs   CAP  MN  Only   0   200   400   600   0   10  20  30  40  50  60  70  80  
  • Summary   Reasonable  rela.ve  accuracies  (>0.50)  possible  with:                  Training  panels  of  200  individuals                  384  SNP  markers                  “Relevant”  training  popula.ons   Good  predic.on  accuracy  seems  to  translate  into  gain  from   selec.on   GS  takes  into  account  mul.ple  traits  in  addi.on  to  disease   resistance.   GS  for  adult  plant  stem  rust  resistance  in  elite  germplasm   could  complement  deployment  of  major  genes.  
  • Minnesota  Agricultural     Experiment  Sta.on   SMALL GRAINS INITIATIVEU.S.  Wheat  &  Barley   Scab  IniGaGve   Project  Members  /  Collaborators  /  Support   American   Mal.ng   Barley   Associa.on   University of Minnesota Brian Steffenson, Ruth Dill-Macky Yanhong Dong, Smith Lab Ed Schiefelbein Guillermo Velasquez Karen Beaubien Ahmad Sallam Stephanie Navarra Vikas Vikram Danelle Dykema Chris Kucek Mathilde Chapuis Other Institutions Kay Simmons, USDA Dave Marshall, USDA Shiaoman Chao, USDA; Richard Horsley, NDSU; Jean-Luc Jannink, USDA Jeff Endelman, Univeristy of Wisconsin Aaron Lorenz, University of Nebraska
  • Ques.ons  
  • Genomic  SelecGon   2006 2007 2008 2009 Training  Popula.on   2009   2010   2011   2012   Fall  Crossing  21  parents   Winter                        F1   Summer                  F2   Fall                                    F3   Winter                        F4   Summer      C1  Ran  C1  Sel                                            F1   Fall                                                                                                                    F2   Winter                                                                                                          F3                                              Crossing  Parents       Summer                                                                            C2  Ran  C2  Sel                                                      F1   Fall                                                                                                                                                                                                    F2   Winter                                                                                                                                                                                          F3   Summer                                                                                                                                                                  C2  Ran  C2  Sel   2013   Crossing  Parents