Año tras año, la Alianza de Bioversity International y los programas de mejoramiento del CIAT y FLAR desarrollan cientos de líneas élite de arroz, pero “¿cuánta diversidad tenemos?" y "¿cuál es la forma más eficiente de estudiarlo?" quedan cuestiones de relevancia.
La genómica ofrece una enorme variedad de posibilidades tanto para la investigación como para la mejora de cultivos; predicción de rasgos agrícolas relevantes, interacciones genotipo-fenotipo y mejoramiento dirigido, solo por nombrar algunos. Por esta razón, los programas de mejoramiento de arroz decidieron realizar una secuenciación completa en 137 cultivares de arroz de élite y realizar análisis de diversidad y genética de poblaciones. Determinamos que debido a la extensa historia de cruces dentro de diferentes líneas, una estructura de árbol es inadecuada para mostrar las relaciones entre nuestras líneas, y el análisis de mezcla proporciona una imagen más precisa de su relación.
La metodología utilizada consistió en secuenciar con una profundidad media de 25x a más de 60x, pero nuestros resultados mostraron que la mayoría de las variantes ya estaban determinadas a 14x; nuestra primera recomendación es que, a menos que se estudie un análisis estructural profundo o se repita el número de copias, la profundidad de secuenciación objetivo no debe ser superior a 20x, ya que los recursos se utilizarían de manera más eficiente para analizar más líneas en lugar de lograr una resolución más alta a través de una secuenciación más profunda.
Para aprovechar un contexto más amplio proporcionado por el vasto conocimiento disponible sobre la genómica del arroz, enriquecimos nuestro conjunto de datos con líneas seleccionadas del proyecto 3000 genomas (The 3000 rice genomas project 2014), ya que proporciona información completa sobre toda la diversidad de arroz cultivado en todo el mundo. Al hacer árboles que se unían a vecinos, nos dimos cuenta de que las ramas resultantes eran muy inestables y extremadamente cortas, muy probablemente debido a cruces muy recientes. También observado por muchos individuos híbridos cuando se agruparon usando una mezcla, que mostró mucha más estabilidad y fue consistente con y sin enriquecimiento con datos de 3000 genomas.
Algunos de nuestros resultados más interesantes se encuentran dentro del análisis de diversidad con la estadística de diversidad pi y las curvas MAF. Comparamos la diversidad observada entre nuestro panel y la encontrada en el proyecto de 3000 genomas, que es representativo de la diversidad global. Encontramos que para Indica, incluso si la diversidad es menor, las líneas que analizamos tenían una estadística pi muy similar a la diversidad global; mientras que para los acervos genéticos de Japonica y Aus fue notablemente más bajo. Lo que implica que traer líneas de estos orígenes podría aumentar en gran medida la diversidad disponible.
Si bien nuestro estudio proporciona resultados esclarecedores, aún queda mucho trabajo por hacer, buscamos realizar un análisis de introgresión para identificar las secciones del genoma que se han transferido entre grupos. Utilizar la caracterización fenotípica y realizar GWAS para buscar variantes relacionadas con rasgos relevantes para la agricultura. Utilizar datos de adopción para calcular el incremento de producción generado por el programa de mejoramiento de arroz, teniendo en cuenta que estudios previos estimaron que más de dos tercios de toda el área sembrada con arroz se siembra con algún material relacionado con los programas de mejoramiento de arroz del CIAT y/o FLAR (Yamano et al., 2016) (Labarta et al., 2017). Y seguir agregando variantes a nuestra base de datos, para tener una mejor idea no solo de lo que hemos logrado, sino también del potencial futuro y las formas más efectivas de explotarlo. Cooperación entre criadores, genetista.
