Mogu li “omics” tehnike povećati genetičku dobit od selekcije?

Abstract

Omics tehnike podrazumevaju analize velikih razmera koje se odnose na sveukupnost određenih elemenata živih bića. Iako se ove tehnike rapidno razvijaju, kao što su genomika, transkriptomika i druge, samo jedan deo ovih tehnika je našao primenu u oplemenjivanju biljaka. Genomika svakako predstavlja osnovni moderan alat u genetičkim istraživanjima, kroz različite primene u istraživanjima. Za oplemenjivanje biljaka jedna od najznačajnijih primena genomike je u razvoju modela genomske predikcije, koja omogućava da se isključivo na osnovu genomskih podataka mogu precizno predvideti genetski potecijal pojedinačnih biljaka u određenim proizvodnim uslovima, što omogućava odabir superiornih kandidata za dalji oplemenjivački rad. Visoko propusna fenotipizacija, iako ne spade u klasične omics tehnike, koristi brza i automatska merenja različitih osobina biljaka, kao što su rast, vreme cvetanja, lisna površina i druge. Korišćenjem ovih podataka, uz integraciju sa genomskim podacima, omogućavaju sveobuhvatno razumevanje kako geni deluju na ukupnu fenotipsku varijabilnost.

Omics techniques involve large-scale analyzes related to the totality of certain elements of living beings. Although these techniques are rapidly developing, such as genomics, transcriptomics and others, only a part of these techniques have found application in plant breeding. Genomics certainly represents a basic modern tool in genetic research, through various applications in applied research. One of the most significant uses of genomics in plant breeding is the creation of genomic prediction models, which allow one to select the best candidates for additional breeding work by accurately predicting the genetic potential of specific plants under specific production conditions using only genomic data. Although not a traditional omics technique, high-throughput phenotyping involves quick and automatic measurements of a variety of plant traits, including growth, blooming period, leaf area, and others. These data enable a thorough knowledge of how genes influence overall phenotypic variability, coupled with integration with genomic data.