Nichtlinearer genomischer Selektionsindex beschleunigt die Verbesserung mehrerer Merkmale von Kulturpflanzen

Intelligentere Züchtung für eine zunehmend hungrigere Welt

Da die Weltbevölkerung wächst und das Klima unvorhersehbarer wird, müssen Pflanzenzüchter mehrere Pflanzenmerkmale gleichzeitig — etwa Ertrag, Wuchshöhe und Blühzeitpunkt — schneller als je zuvor verbessern. Dieser Artikel stellt ein neues mathematisches Werkzeug vor, das Züchtern genau dabei hilft, indem es DNA-Informationen realistischer nutzt und nicht nur die Einzelwirkungen von Genen, sondern auch ihre Wechselwirkungen erfasst. Der Ansatz verspricht, die Entwicklung besserer Mais- und Weizensorten zu beschleunigen, ohne dass jede Pflanze im Feld gemessen werden muss.

Warum die Kombination vieler Merkmale so schwierig ist

Züchter interessieren sich selten nur für ein Merkmal. Sie wollen zum Beispiel höheren Körnerertrag, aber auch kürzere, standfestere Pflanzen, die zum richtigen Zeitpunkt blühen. Klassische „Selektionsindizes“ fassen mehrere Merkmale zu einer einzigen Punktzahl zusammen, um Pflanzen zu bewerten. Üblicherweise nehmen solche Indizes an, dass jedes Merkmal auf einfache, lineare Weise beiträgt und sich die Effekte verschiedener Merkmale einfach addieren. Die reale Biologie ist komplizierter: Merkmale beeinflussen einander, und es kann optimale Bereiche geben, in denen „mehr“ nicht mehr besser ist. Das Ignorieren dieser nichtlinearen Wechselwirkungen kann den genetischen Fortschritt verlangsamen oder die Züchtung sogar in die falsche Richtung treiben.

Von einfachen Geraden zu flexiblen Kurven

Frühere genomische Werkzeuge erlaubten es Züchtern, DNA-Marker über das Genom hinweg zu nutzen, um vorherzusagen, wie gut die Nachkommen einer Pflanze sein würden, was zu sogenannten linearen genomischen Selektionsindizes führte. Diese funktionieren gut, wenn Genwirkungen vorwiegend additiv sind. Die Autoren übertragen eine flexiblere, ältere Idee — den quadratischen phänotypischen Selektionsindex, der bereits quadratische Terme und Wechselwirkungen zwischen Merkmalen erlaubte — in das DNA-Zeitalter. Ihr neues Werkzeug, der Quadratic Genomic Selection Index (QGSI), verwendet genomische Prädiktionen der Zuchtwerte und kombiniert diese sowohl durch lineare als auch durch gekrümmte (quadratische) Terme. Dadurch kann der Index komplexe Muster wie Gen‑Gen‑Interaktionen und optimale Merkmalskombinationen erfassen, selbst wenn nicht in jedem Zyklus Felddaten vorliegen.

Den neuen Index auf die Probe gestellt

Um zu prüfen, ob diese zusätzliche Komplexität sich auszahlt, verglichen die Forschenden den QGSI mit sowohl linearen als auch quadratischen Indizes, die nur Felddaten verwenden, sowie mit linearen genomischen Indizes, die DNA nutzen, aber einfach bleiben. Sie führten Computersimulationen einer Maiszüchtung über 10 Selektionszyklen durch und analysierten zudem zwei reale Mais- und fünf Weizendatensätze aus internationalen Zuchtprogrammen. Getestet wurden zwei Verfahren zur Prädiktion genetischer Werte aus DNA: ein standardmäßiges additatives Modell und ein flexibleres Gaussian‑Kernel‑Modell, das subtile Genwechselwirkungen erfassen kann. Über diese Szenarien hinweg erzeugte der QGSI konsequent größere Selektionsantworten — also eine stärkere Gesamtverbesserung über Merkmale hinweg — als die linearen Indizes und übertraf typischerweise auch den quadratischen phänotypischen Index.

Bessere Gewinne, weniger Fehler, mehr Ausgewogenheit

In den simulierten Maiszyklen lieferte der QGSI die höchsten Zuwächse und übertraf sowohl lineare genomische Indizes als auch quadratische Indizes, die nur auf Felddaten basieren. Er wies auch tendenziell geringere Vorhersagefehler auf, was bedeutet, dass seine Punktzahlen verlässlichere Hinweise für die Elternwahl lieferten. In realen Maispopulationen aus Mexiko und Simbabwe erzielte der QGSI 80–90 % höhere Zuwächse als lineare genomische Indizes, wenn mehrere Merkmale gleichzeitig verbessert wurden. In Weizenversuchen unter verschiedenen Bewässerungs‑ und Niederschlagsbedingungen war das Muster ähnlich: Quadratische Indizes schlugen lineare, und die Kombination von QGSI mit dem Gaussian‑Kernel‑Modell ergab die stärksten und stabilsten Verbesserungen über Umgebungen hinweg, insbesondere für den Körnerertrag, während Wuchshöhe und Blühzeit in akzeptablen Bereichen blieben.

Was das für künftige Kulturpflanzen bedeutet

Für Nicht‑Fachleute ist die Kernbotschaft, dass Züchter nun ein realistischeres Bewertungssystem haben, das widerspiegelt, wie Gene und Merkmale tatsächlich miteinander interagieren, statt sie in ein Geradenmodell zu pressen. Die Autoren empfehlen, den quadratischen phänotypischen Index zu verwenden, wenn in frühen Stadien nur Felddaten vorliegen, und auf den QGSI umzusteigen, sobald genomische Daten und schnelle Selektionszyklen verfügbar sind. Indem er nichtlineare genetische Zusammenhänge besser erfasst, kann der QGSI die Verbesserung mehrerer Merkmale beschleunigen und dazu beitragen, neue Mais‑ und Weizensorten zu liefern, die ertragreicher, widerstandsfähiger und besser an herausfordernde Umweltbedingungen angepasst sind.

Zitation: Jesús Cerón-Rojas, J., Montesinos-López, O.A., Montesinos-López, A. et al. Nonlinear genomic selection index accelerates multi-trait crop improvement. Nat Commun 17, 1991 (2026). https://doi.org/10.1038/s41467-026-69890-3

Schlüsselwörter: genomische Selektion, Pflanzenzüchtung, Mais, Weizen, Mehrmerkmalverbesserung