La aplicación de genómica puede mejorar la eficacia y la eficiencia en el desarrollo de nuevas variedades que alcancen objetivos de perfiles de cultivo complejos, al tiempo que se reducen los costes. Dentro de los programas de fitomejoramiento, la aplicación de genómica se utiliza para el descubrimento de rasgos, la verificación del pedigrí, la identificación de las lineas padres, la selección genómica y la verificación de la aceptación de las nuevas variedades por parte de los agricultores. La integración exitosa de genómica aplicada ha sido lograda por programas de mejoramiento grandes y bien financiados. El objetivo de nuestro equipo de genómica es co-desarrollar recursos, herramientas y conductos que estén disponibles y sean accesibles para los pequeños programas públicos de mejoramiento a nivel mundial para especies de cultivos como sorgo, mijo, caupí y frijol comun.
El reto
Nuestro enfoque
El enfoque de ILCI incorpora genómica en un marco total de mejoramiento de cultivos que incluye disciplinas tan diversas como género, nutrición, fenómica y informática. De este modo, genómica no es una herramienta aislada, sino que está integrada en los procesos de cultivo que se guían por el apoyo a la toma de decisiones y los perfiles de productos inclusivos y adoptables. Nuestro equipo de genómica tiene como objetivo co-desarrollar las herramientas, las tecnologías y los métodos que permitan la plena adopción y el control por parte de Institutos Nacionales de Investigación Agrícola con el fin de lograr ganancias genéticas sostenibles para los agricultores y las comunidades dentro de sus regiones objetivo.
Destacados
Socios al nivel internacional
Colaboración con Excellence in Breeding (EiB), Centros de Innovación y otros investigadores internacionales para aprovechar y cotejar los datos existentes de genómica, los genomas de referencia y los marcadores para ahorrar tiempo y costes
Software a medida
Rediseño de las aplicaciones informáticas actuales para su uso por parte de usuarios aplicados en pequeños programas públicos de fitomejoramiento
Centros de Innovación
Innovación con los Centros en aplicaciones informáticas existentes para mejorar la precisión de la predicción genómica
Investigación de nuestros expertos
En curso
- Subcontratación de la extracción de ADN y el genotipado a bajo coste y alta calidad con Excellence in Breeding (EiB) para que los científicos puedan centrarse en el desarrollo de conocimientos bioinformáticos
- Realización de pruebas in silico para garantizar que las plataformas de genotipado cubren la diversidad presente en el germoplasma de los cultivos del CdI
- Ensamblaje de genomas de referencia de alta calidad para los cultivos de la CdI que carecen de genomas de referencia en colaboración con Excellence in Breeding (EiB)
- Establecimiento de la computación en la nube para los análisis genómicos en pequeños programas públicos de mejora genética
- Aplicación de enfoques de coste y tiempo eficientes a la cría genómica mediante el Gráfico Práctico de Haplotipos (PHG)
- Incorporación de datos funcionales a nivel de genes en los modelos de predicción genómica para mejorar la precisión
- Adaptación y actualización de TASSEL para su uso por parte de los fitomejoradores
Publicaciones de nuestros expertos (externas a la financiación del ILCI)
- Giri A, Khaipho-Burch M, Buckler ES, Ramstein GP (2021). Haplotype associated RNA expression (HARE) improves prediction of complex traits in maize. bioRxiv.
- Valdes Franco JA, Gage JL, Johnson LC, Bradbury P, Miller ZR, Buckler ES, Romay MC (2020). A maize practical haplotype graph leverages diverse NAM assemblies. bioRxiv.
- Monier B, Casstevens TM, Buckler ES (2020). rTASSEL: an R interface to TASSEL for association mapping of complex traits. bioRxiv.
- Jensen S, Charles JR, Muleta K, Bradbury P, Casstevens T, Deshpande SP, Gore MA, Gupta R, Ilut DC, Johnson L, Lozano R, Miller Z, Ramu P, Rathore A, Romay MC, Upadhyaya HD, Varshney R, Morris GP, Pressoir G, Buckler ES, Ramstein G (2020). A sorgo Practical Haplotype Graph facilita la imputación de todo el genoma y la predicción genómica rentable. Plant Genome. 2020;e20009.
