摘要 锈病,包括叶锈病、条锈病/黄锈病和秆锈病,严重影响小麦 (Triticum aestivum L.) 的产量,每年造成巨大的经济损失。培育和推广具有遗传抗性的品种是控制这些疾病最有效和可持续的方法。小麦育种者用于选择抗锈病的遗传工具包已迅速扩展,利用最新的基因组学、作图和克隆策略鉴定了大量基因位点。本综述的目的是建立一个小麦基因组图谱,全面总结已报道的与抗锈病相关的基因位点。我们的图谱总结了过去二十年 170 篇出版物中针对三种锈病绘制的数量性状基因位点 (QTL) 和特征基因。根据最新的小麦参考基因组 (IWGSC RefSeq v2.1),总共有 920 个 QTL 或抗性基因被定位在小麦的 21 条染色体上。有趣的是,26 个基因组区域包含多个锈病基因座,表明它们可能对两种或多种锈病具有多效性。我们讨论了一系列利用这些丰富的遗传信息来有效利用抗性来源的策略,包括利用基因组信息来堆叠理想的和多个 QTL,以开发具有增强的抗锈病小麦品种。
1 谷物和工业作物研究中心,农业经济研究与分析委员会 (CREA),意大利福贾,2 生命科学系,摩德纳和雷焦艾米利亚大学,雷焦艾米利亚,意大利,3 土壤、植物和食品科学系 (Di.SSPA),巴里“Aldo Moro”大学,意大利巴里,4 国际玉米和小麦改良中心 (CIMMYT),墨西哥,5 国际干旱地区农业研究中心 (ICARDA),摩洛哥拉巴特,6 植物病理学系,华盛顿州立大学,美国华盛顿州普尔曼,7 小麦健康、遗传学和质量研究组,美国农业部 - 农业研究服务局 (USDA-ARS),美国华盛顿州普尔曼,8 可持续农业研究所,Consejo Superior de Investigaciones Cientí西班牙科尔多瓦CSIC植物病理学系,9 美国明尼苏达州圣保罗市明尼苏达大学植物病理学系
目前,抗病基因的部署是最经济、最环保的农作物保护方法。然而,由于病原体的不断进化,抗病基因可能会迅速失效,尤其是当它们被单独部署时。因此,多基因抗性被认为是最持久的,但通过育种将这些基因组合起来并维持起来是一个费力的过程,因为有效基因通常是不相连的。部署具有单基因座遗传的多基因抗性是一项有前途的创新,它克服了这些困难,同时提高了抗性的持久性。由于基因组技术的重大进步,越来越多的植物抗性基因被克隆,从而能够开发抗性转基因堆栈 (RTGS),这些抗性基因都位于单个基因座上。目前,转基因小麦中已经开发出编码五种秆锈病抗性基因的基因堆栈,既提供了育种的简单性,又提供了潜在的抗性持久性。在植物病原体中开发类似的基因组资源,促进了效应基因的分离,在某些情况下,还能够验证 RTGS 中单个抗性基因的功能。这里以小麦秆锈病病原系统为例,说明宿主和病原体基因组学的进步如何有助于 RTGS 的发展,RTGS 是一种适用于许多其他农作物物种的策略。
在世界谷物产量统计中,燕麦排在第六位,仅次于小麦、玉米、大米、大麦和高粱。在世界许多地方,燕麦不仅用作谷物,还用作饲料和草料,用作铺垫物、干草、半干草、青贮饲料和谷壳。燕麦作物的主要用途仍然是用作牲畜谷物饲料,平均占世界总使用量的 74% 左右。在印度,燕麦育种始于 20 世纪 80 年代,是印度西北部、中部和东部地区最重要的谷物饲料作物。作为饲料作物,燕麦具有优良的蛋白质质量、脂肪和矿物质含量。它是一种美味、多汁且营养丰富的作物。许多疾病会造成严重的直接损害,主要是饲料产量的降低。其中包括冠锈病、茎锈病和叶斑病等疾病。在超过 31 个野燕麦品种中,已从燕麦基因库中发现了多种抗冠锈病、秆锈病、白粉病、BYDY 等主要病害的抗性基因。人们正在广泛利用标记辅助选择 (MAS)、标记辅助回交 (MABC)、标记辅助基因聚合和标记辅助轮回选择 (MARS) 等多种育种策略将抗性基因渗入优良品种。随着新测序技术的进步和生物信息学的飞速发展,完整的燕麦基因组测序已不再遥不可及。燕麦基因组测序将为育种者开发大量基于序列的标记(如 SNP)铺平道路,这些标记将有助于通过利用连锁不平衡作图和基因组选择来识别抗病基因。
咖啡(Coffea spp)是世界上最重要的作物之一,为发展中国家数百万人提供了经济支持。在哥斯达黎加,咖啡生产以中小型生产商为主,惠及该国八个地区38,804个从事种植的家庭。咖啡生产特别容易受到害虫和疾病的侵袭。锈病是由真菌 Hemileia vastatrix 引起的,被认为是咖啡产区广泛分布的主要疾病。按照传统方法改良咖啡和获得新品种的过程大约需要三十年。然而,突变诱导为诱导咖啡改良所需的新基因变异提供了巨大的潜力。由于咖啡是哥斯达黎加的主要作物之一,并被认为是世界上最好的作物之一,但该国的咖啡种植活动因锈病等疾病的侵袭而面临风险。因此,有必要寻找新的遗传抗性的替代品
燕麦(Avena sativa L.)在世界谷物产量中排名第六,主要作为一种多用途作物种植,可用作谷物、牧草和草料,或在世界许多地方作为轮作作物。最近的研究提高了其在人类营养和保健方面的潜在膳食价值。燕麦能很好地适应多种土壤类型,在酸性土壤中也能生长。世界燕麦产区集中在北纬 35-65º 和南纬 20 至 46º 之间。燕麦基因组庞大而复杂,在 4.12 Gb 到 12.6 Gb 之间。燕麦生产力受到许多疾病的影响,尽管冠锈病(Puccinia coronata f. sp. avenae)和秆锈病(Puccinia graminis f. sp. avenae)是全球主要疾病。本章重点回顾燕麦育种的主要发展及其影响,特别是气候或环境变化(主要是生物和非生物胁迫)给燕麦种植带来的挑战。下一代育种工具将有助于开发基因改良和操纵燕麦的方法,这将极大地帮助提高燕麦产量。尽管燕麦生物技术的发展速度与其他谷物相似,但仍落后。未来几十年,需要更多的基因组工具,从基因组辅助育种到基因组编辑工具,以改善资源,在气候变化下改良燕麦。
小麦是全球大多数人群的饮食蛋白质和卡路里的重要来源。它是世界上最大的谷物之一,占地215 m公顷。在全球范围内生产小麦的生产受到生物胁迫(例如害虫和疾病)的挑战。在经济重要性的50种小麦疾病中,三种生锈疾病是大多数小麦生产环境中最明显的产量损失的三种疾病。在严重的流行病下,它们可能导致粮食不安全威胁,因为新种族的新种族,人口动态的转变及其毒力模式,从而使小麦育种计划中的几个有效的抗药性基因易受伤害。这强调了从各种来源识别,表征和部署有效的抗锈基基因的必要性,这些基因和未来的小麦品种。遗传抗性的使用已被标记为环保,并遏制了锈病病原体的进一步演变。在小麦系中包括主要基因和小基因在内的多种生锈基因的部署可以增强抗性的耐用性,从而降低病原体的进化。下一代测序(NGS)平台和相关的生物信息学工具的进步已彻底改变了小麦基因组学。小麦基因组的序列比对是最重要的地标,它将使基因组学能够鉴定基因组选择(GS)研究中的标记相关,候选基因和增强的育种值。高吞吐量基因分型平台已经证明了它们在遗传多样性的估计,高密度遗传图的构建,解剖多基因性状以及通过GWAS(全基因组全基因组关联研究)和QTL映射以及R基因的隔离中更好地理解其相互作用。在小麦育种计划中,育种者的友好KASP分析的应用加快了精英管线中生锈等位基因/基因的识别和金字化。本评论涵盖了锈病病原体和当代小麦品种的进化趋势,以及它们如何
效应蛋白在锈菌病原体与小麦宿主之间的相互作用中起着至关重要的作用。高通量“ OMICS”数据的可用性已经改变了该领域的游戏规则,可以识别和比较各种锈病和菌株的效应子。这项研究采用了高通量的“ OMICS”数据来探索多种锈菌真菌的共享效应方面,包括三种小麦锈菌,puccinia triticina,puccinia striiformis和puccinia graminis,以及puccinia sorghi(玉米锈)和梅拉姆普斯罗拉·洛里奇(Melampsora lurici-Poppoplar),这项研究采用了全面的生物信息学管道来预测每个锈病的候选效应蛋白(CSEP),评估其亚细胞定位,基于其序列相似性群集相似的效应子,并筛选其表达谱以评估病原体中潜在的作用。这项研究揭示了构成每个物种蛋白质组的4%的不同效应子,其定位预测表明宿主细胞内的靶向多样。效应子序列的聚类导致鉴定1,027个效应子部落和2,186个单线,而格拉米尼菌则表现出最高数量的单线,这表明进化加速和适应以逃避宿主防御。保护分析表明,在三种小麦锈菌中共享了30个共同的部落,其中许多人也发现了triticina和graminis之间。表达谱分析显示早期感染期间的差异表达,表明在发病机理中作用。这项研究强调了锈菌的分子多样性和适应性策略,为疾病管理提供了见解。关键字 - 比较分析 - 抗病性 - 效应蛋白 - 发病机理 - 植物病原体相互作用 - 锈菌 - 小麦简介
在陆地植物的进化中,植物免疫系统在免疫受体和信号通路中经历了扩展。谱系特异性扩张。在这里,我们表明RPS8介导的大麦抗性对病原体的肌张力肌f。 sp。tritici(小麦条带锈病)由遗传模块:PUR1和EXO70FX12赋予,这些模块是必要和足够的。pUR1编码富含亮氨酸的重复受体激酶,是米饭XA21的矫正物,exo70fx12属于Poales特异性EXO70FX进化枝。在bromeliaceae和poaceae发散后出现了Exo70FX进化枝,在测序的草中包括2至75个成员。这些结果证明了在PUR1介导的免疫力中谱系特异性EXO70FX12的要求,并且表明EXO70FX进化枝可能已经在受体激酶信号传导中演变出了专门的作用。
摘要。本文提出了一个智能系统,用于在植被期间早期发现农业植物疾病。拟议的智能系统允许在早期发现三种类型的小麦疾病,尤其是黄生锈病,白粉病和septoria,并通过将有害化学物质仅在病植物上喷洒有害化学物质来显着改善土壤和生态。提出的疾病检测方法是基于基于C ++编程语言的Pycharm程序的卷积神经网络(CNN)的结构。智能系统的基本结构由Raspberry Pi 4模块,Raspberry Pi摄像头V2,蜂鸣器,HC-SR04距离传感器,转子驱动器,AC电机,电源,电源,继电器微电机和一些数字设备组成。关键字:植物性疾病,小麦,面粉露,黄点,septoria,图像,智能系统,传感器,神经网络,算法,微电子学,数字设备,框图。