Sorghum Genombasierte Züchtung einer Bioenergiepflanze der zweiten Generation

(1)

“Mit Pflanzenzüchtung zum Erfolg” – Berlin – September 2014

Rod Snowdon

Sorghum – Genombasierte Züchtung einer Bioenergiepflanze der zweiten Generation

Bild: KWS

(2)

http://vector.me/files/images/1/7/173152/weather_symbols_clip_art.jpg http://http://

www.pamsclipart.com/clipart_images/

sunflower_and_tomato_seed_packages_0515-1104-1203-1411_SMU.jpg www.google.de/

imgres?

client=safari&sa=X&rls=en&biw=1813&bih=1277&tbm=isch&tbnid=gvGX16IeRFjyYM

%3A&imgrefurl=http%3A%2F%2Fvector.me%2Fsearch%2Fwindy-weather-

symbol&docid=8xDxyC0P6-3FOM&imgurl=http%3A%2F%2Fvector.me%2Ffiles http://

www.abcteach.com/free/s/simpleplantcolorlabeled.jpg%2Fimages%2F1%2F1%2F112621 http://forzaitalianfootball.com/wp-content/uploads/2013/03/Jupp-Heynckes-Bayern-

Munich.jpg

%2Fweather_sunny_clip_art.jpg&w=425&h=404&ei=flPqUs2mH4fc4QS3t4HIBg&zoom=1

&iact=rc&dur=568&page=1&start=0&ndsp=69&ved=0CLcBEK0DMBw http://

www.ragtsemences.com/rs/images/logo_portail.gif

•

domestiziert in Ostafrika vor 

>8000 Jahren, Ausbreitung  bis Ostasien

•

enorme genetische und  morphologische Diversität, 

zahlreiche nah verwandte Arten  alle mit S. bicolor kreuzbar

•

eine der wichtigsten Nahrungs-  und Futterpflanzen in den 

trockenen Anbauregionen der Welt

•

C4-Modellpflanze, eng verwandt mit Miscanthus und Zuckerrohr, aber mit einem vergleichsweise kleinen und einfachen, vollständig sequenzierten Genom

•

Nutzung: Nahrung, Futter, Fermentierung – Bier, Schnaps, Ethanol, Biogas

Sorghum bicolor

Sorghum-Hirse

(3)

imgres?

Munich.jpg

Variation als Basis für den Züchtungserfolg

Sorghum spp.: enorme morphologische sowie physiologische Variation für ertrags- und energierelevante Merkmale

(4)

imgres?

Munich.jpg

Sorghum als alternatives Biogassubstrat

•

Besonders bei einer frühen Aussaat kann Sorghum Trockenbiomasseerträge erzielen, die mit denjenigen von aktuellen Energiemaissorten vergleichbar sind

Trockenmasseertrag (dt/ha) Trockenmassegehalt (%)

(5)

imgres?

Munich.jpg

Potential zur Selektion von Mais-ähnlichen Ideotypen…

“Sweet Sorghum”

•

hoher Energiegehalt (hohe Trockenbiomasse zzgl. hoher Stängelzuckergehalt)

•

in Biogasfermentierern als direkter Ersatz bzw. Ergänzung zum Mais einsetzbar

(6)

imgres?

Munich.jpg

…mit möglichen Vorteilen im Vergleich zum Mais

Abiotische Stresstoleranz

•

hohe Nährstoffnutzungseffizienz, Wassernutzungseffizienz und

Trockenstresstoleranz: “Low-Input”-Eignung

Resistenz gegen Insektenschädlinge

•

insbesondere Diabrotica-Resistenz: Alternative zum Mais für betroffene Felder

(7)

imgres?

Munich.jpg

Herausforderung: Kühlestress im Jugendstadium

•

Bodentemperaturen unter 15°C können einen reduzierten 

Aufgang und eine verzögerte Jugendentwicklung verursachen

•

Für eine ausreichend frühe Aussaat sind kühletolerante Sorten essentiell

•

Im Sorghum-Genpool ist Kühletoleranz z.B. in Rassen aus den Hohenlagen Äthiopiens oder dem nordchinesischen Bergland verfügbar

(8)

imgres?

Munich.jpg

ERANET Bioenergy

“

GAS: Genetische Anpassung von Sorghum durch genombasierte Züchtung” (FNR: 2013-2016)

! •

Physiologische und genetischer Beschreibung der Kühletoleranz, der Nährstoffeffizienz sowie wichtiger Krankheitsresistenzen:

•

verbessertes Verständnis wichtiger Merkmale

•

neue, adaptierte Pflanzenpopulationen

•

neues Genomwerkzeug

•

Entwicklung genombasierter Vorhersagemethoden für die Selektion von effizienten, energiereichen, stresstoleranten Sorghum-Hybriden für Mitteleuropa:

•

Beschleunigung des Zuchtfortschrittes mittels genomischer Selektion bzw. genombasierter Vorhersage der Hybridleistung

Swedish University of Agricultural Sciences Institute of Plant Physiology, Polish Academy of Sciences

Wubishet  A. Bekele

(9)

imgres?

Munich.jpg

Beschleunigung des Zuchtfortschrittes

“Genomische Selektion”

•

Vorhersage der phänotypischen Leistung auf Basis des Genomprofils kann eine gezielte Frühselektion ermöglichen und die Sortenzüchtung signifikant

beschleunigen

•

Hoher Einsatzpotential für komplexe Merkmale mit hohem Selektionsaufwand Heﬀner et al. 2009 Crop Sci. 49:1–12

(10)

imgres?

Munich.jpg

**Die Komplexitäten des Feldaufganges: P = G*E**

ⁿ

Growth and ripening  environment

Soil 

environment Storage environment

(11)

imgres?

Munich.jpg

RIL-Population SS79 x M71 (SM-RIL)

Zuckerhirse SS79 x Körnertyp M71

•

beachtliche genetische Variation bzgl. der Keimung und Überlebensrate bei 13°C/10°C sowie beim Feldaufgang unter Kühlestress

•

M71: starke Entwicklungsverzögerung aber gute Überlebensfähigkeit in kühlen

Temperaturen

•

SS79: schnelle Keimung und Entwicklung, aber schlechte Überlebensfähigkeit in

kühlen Temperaturen

M71 SS79

SS79

M71 RIL

056 RIL 008

(12)

imgres?

Munich.jpg

Komplementäre Strategien zur Stressüberwindung

M71

SS79 SS79

•

SS79 zeigt eine viel schnellere Keimung und Aufgang als M79 unter suboptimalen Temperaturen, erholt sich aber schlecht und überlebt andauernde Kältestress nicht

•

M71 hat eine stark verzögerte Keimung und Aufgang in kalten Böden, überlebt jedoch und erholt sich schnell durch eine überlegene Blattphysiologie

•

RILs mit einer Kombination dieser positiven Faktoren vereinen eine gute Aufgang mit einer hohen Überlebensrate

Leitfähigkeit der Stomata Osmotisches Potential

M71

SS79

(13)

imgres?

Munich.jpg

Kuhlestress-assoziierte Merkmalsvariation (SM-RIL)

Feldaufgang: verschiedene Orte bzw. Aussaattermine

Klimakammer und

Gewächshausversuche:

Kältestressvarianten vs.

optimale Temparaturen unter verschiedenen Stressszenarien

Keimung, Wurzel-, Blatt- bzw. Biomassephänotypen

Daten von Bekele et al.

Plant Cell Environ 2013

(14)

imgres?

Munich.jpg

Feldaufgang vs. kontrollierte Klimakammerversuche

Daten von Bekele et al.

Plant Cell Environ 2013

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70

Emergence@13°C_epi_5a Field_emergence_mean_09 GG_1st_sowing_09 Ha_1st_sowing_09 Gi_1st_sowing_09Gi_2nd_sowing_09 Gi_2nd_sowing_09 Ha_2nd_09

Sb04_b

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125

Emergence@13°C_epi_6aEmergence@13°C_epi_7a Mean_field_emergence_09Mean_field_emergence_09 Gross_Gerau_field_emergence_09Gross_Gerau_field_emergence_09

Sb05

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100

Emergence@13°C Emergence@13°C_epi_3b Emergence@13°C_epi_4b Emergence@13°C_epi_8a

Sb06

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70

Sb04_b

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125

Sb05

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100

Sb06

0 5 10 15 20 25 30 35 40

GG_1st_sowing_09 Ha_1st_sowing_09

Sb07_a

0 5 10 15 20

Emergence@13°C_epi_7b

Sb07_b

0 5 10 15 20 25 30

Sb07_c

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105

Emergence@13°C_epi_5b Emergence@13°C_epi_6b GG_1st_sowing_09

Sb08

0 5 10 15 20 25 30 35 40

GG_1st_sowing_09 Ha_1st_sowing_09

Sb07_a

0 5 10 15 20

Emergence@13°C_epi_7b

Sb07_b

0 5 10 15 20 25 30

Sb07_c

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105

Emergence@13°C_epi_5b Emergence@13°C_epi_6b GG_1st_sowing_09 0 Sb08

5 10 15 20 25 30 35 40 45 50 55 60 65 70 75

Emergence@13°C Emergence@13°C_epi_1a GG_1st_09Ha_2nd_09

Sb01

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110

Emergence@13°C_epi_1bEmergence@13°C_epi_2a GG_2nd_sowing_09 GG_2nd_sowing_09 GG_2nd_sowing_09 Gi_2nd_sowing_09 Ha_2nd_09

Sb02

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85

Emergence@13°C_epi_2b Emergence@13°C_epi_3a Emergence@13°C_epi_4aGi_2nd_09 Ha_2nd_09

Sb03

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70

Sb04_b

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125

Sb05

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100

Sb06

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70

Sb04_b

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125

Sb05

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100

Sb06

Überlappende QTL zwischen Feld- und kontrollierte Versuche

•

Zahlreiche Haupteffekt-bzw. epistatische QTL für Feldaufgang unter

Kühlestress stimmen mit QTL für einzelne/mehrere Stressantwortparameter, die in kontrollierten Stressversuchen erfasst wurden

•

Aufgliederung des Merkmalskomplexes in genetische Einzelfaktoren

(15)

imgres?

Munich.jpg

Validierung bzw. Feinkartierung wichtiger Loci: GWAS

Marker1

Marker2

Gene_1 Gene_2 Gene_3 Gene_4 Gene_5

Gene_6Marker3 Gene_7 Gene_8 Gene_9 Gene_10

Gene_11ABA2 Gene_13Marker4 Gene_14 Gene_15 Gene_16 Gene_17

Gene_18 Gene_19 Gene_20 Gene_21 Gene_22 Gene_23

Gene_24 Gene_25 Gene_26Marker5

Emergence@13°C 0 1 2 3 4 5 6

0

5

Genetisch divergente  GWAS-Kollektion:

SNP mit signifikanter Assoziation zum Aufgang bei 12,3°C

Intervall mit nur 26 Genen, darunter ein

Homolog des Arabidiopsis- Stressantwortgens

ABA2 SM-RIL 

Kartierungspopulation:

Haupteffekt-QTL, erklärt 47% der phänotypischen

Varianz für den Aufgang bei 13°C im

Klimakammerversuch

UGI-Sorghum 3k SNP-Chip

(16)

imgres?

Munich.jpg

Sequenzierungsbasierte Bulked-Segregant-Analyse

Überlebenrate bei 13°C

toleranter 

Pool anfälliger  Pool

“SHOREmap”-Ansatz für ein Multi-QTL-Merkmal:

•

Hochauflösende Genomresequenzierung der Eltern SS79 bzw. M71

•

“Skim-Sequenzierung” von 56 RILs mit extremen Phänotypen (Pools mit besonders resistenten oder anfälligen RILs bzgl. suboptimaler Temperaturen)

Beispiel SM-RIL13, Chromosom Sb01:

detektierte Sequenzen von Elter SS79 bzw. M71 pro 1000 Nukleotide

imputierte Chromosomensequenz für SM-RIL13, Chr. Sb01

(17)

imgres?

Munich.jpg

Erfassung der Chromosomenrekombinationen

200 400 600 800 1000 1200 1400

10 20 30 40 50

Individuals

1 2 3 4 Genotype data5 6 7 8 9 10

Sb01 Sb02 Sb03 Sb04 Sb05 Sb06 Sb07 Sb08 Sb09 Sb10 50

40

30

20

10

Sequenzierte RILs

(18)

imgres?

Munich.jpg

Sequenzierungsbasierte Bulked-Segregant-Analyse

Sb06

kühleresistente RILs

kühleanfällige RILs

tolerantem Elter

Allelfrequenzen aus:

tolerantem Elter anfälligem Elter

anfälligem Elter

(19)

imgres?

Munich.jpg

www.ragtsemences.com/rs/images/logo_portail.gifChromosom

Sb01 Sb02 Sb03 Sb04 Sb05 Sb06 Sb07 Sb08 Sb09 Sb10 0

50

100

150

200 cM

“Recombination Breakpoint Mapping” (RBM)

(20)

imgres?

Munich.jpg

Sb01 Sb02 Sb03 Sb04 Sb05 Sb06 Sb07 Sb08 Sb09 Sb10

2 4 3

1 0 5

Rekombinationsintervall M2587 enthalt nur 11 Gene, darunter auch interessante Kandidaten für die Regulierung von abiotischen Stressantworten

0 1 2 3 4

Chromosome

lod

1 2 3 4 5 6 7 8 9 10

Hochauflösende QTL-Kartierung mit RBM-Markern

M_2572M_2573 M_2578 M_2579 USS_SNP1USS_SNP2 UTT_SNP2 USS_SNP3 USS_SNP4USS_SNP5USS_SNP6USS_SNP7 USS_SNP8USS_SNP9USS_SNP10USS_SNP11 USS_SNP12USS_SNP13USS_SNP14 UTT_SNP3 UTT_SNP4 USS_SNP15USS_SNP16 S_SNP18USS_SNP19USS_SNP20USS_SNP21 USS_SNP22 USS_SNP23 USS_SNP24 Sb06g029640_bSb06g029640_cSb06g029640_d UTT_SNP5 USS_SNP29 Sb06g030210_aSb06g030210_bSb06g030210_c USS_SNP33USS_SNP34UTT_SNP6UTT_SNP7 USS_SNP35 USS_SNP36USS_SNP37 M_2582 USS_SNP38 M_2583 M_2585 USS_SNP39 M_2587 USS_SNP40 USS_SNP41 USS_SNP42 S_SNP43USS_SNP44USS_SNP45USS_SNP46 USS_SNP47USS_SNP48 Sb06g030900_aSb06g030900_b M_2590USS_SNP51 USS_SNP52M_2591 M_2594 USS_SNP53 USS_SNP54 M_2595USS_SNP55 Sb06g031180_aSb06g031180_b M_2600 USS_SNP57USS_SNP58USS_SNP59 Sb06g031250_aSb06g031250_b M_2602 USS_SNP62Sb06g031330 USS_SNP64 USS_SNP65 USS_SNP66 USS_SNP67USS_SNP68 UTT_SNP8 M_2605 USS_SNP69 USS_SNP70USS_SNP71 USS_SNP72 USS_SNP73USS_SNP74 USS_SNP75 M_2609

575 580 585 590 595 600 605

6 ^Mbp57.5 58 58.5 59 59.5 60 60.5

RBM-Marker M2587 RBM-Marker M2587

(21)

imgres?

Munich.jpg

Next-Generation Genotypisierung: 90kSNP Axiom Array

Axiom® myDesign® Arrays

Anwendungen

• Hochauflösende GWAS

• Direkte Assoziationen von Kandidatengenen mit Zielmerkmalen

• Modellentwicklung zur genomischen Selektion bzw.

zur vorhersage von Hybridleistung

(22)

imgres?

Munich.jpg

Selektionserfolg mittels genomischer Selektion

Vielversprechende erste Versuchsergebnisse

• gute Selektionsgenauigkeit insbesondere bei der Vorhersage des Aufgangs unter kühlen Temperaturen

• Möglichkeit zur Vorauswahl potentieller Kreuzungseltern und Prüflinien

• Weitere Verbesserungen zu erwarten mit neuem 90kSNP-Array sowie mit einer besseren Auswahl geeigneter Charakterisuerungsparameter für die verwendeten Training-Populationen

Aussicht

• Stark verbesserte biologische Kenntnisse über die physiologischen Mechanismen und die genetische Kontrolle von Kühletoleranz,

Nährstoffeffiienz und Krankheitsresistenz in Sorghum

• Einbringen des neu ergründeten Wissens zur Phänotypisierung

geeigneter Training-Populationen bzw. zur genomischen Selektion von

nachhaltigen, energiereichen Zuchtlinien, Hybrideltern und Sorten

(23)

imgres?

Munich.jpg

JLU Giessen

Wubishet A. Bekele  Mona Nehl 

Swetlana Renner  Mario Tolksdorf  Nelly Weis

Kooperationspartner

Ralf Uptmoor  Karin Fiedler Silke Wieckhorst Arndt Zacharias  Sebastian Parra Franciszek Janowiak Christina Dixelius Hai-Chun Jing Hong Luo Korbinian Schneeberger

Vipul Patel Ian Godwin  Dave Jordan  Emma Mace

Danksagung

Swedish University of Agricultural Sciences

Institute of Plant Physiology, Polish Academy of Sciences