Влияние взаимодействия генотип — среда в многосредовых моделях устойчивости к фузариозу колоса у пшеницы

Почему более здоровая пшеница важна

Пшеница — основа рациона людей во всем мире, но болезнь, называемая фузариозом колоса (FHB), угрожает и урожаю, и безопасности продуктов питания. Гриб, вызывающий FHB, не только усыхает зерно и снижает урожайность, но и приводит к накоплению токсина DON, делающего зерно небезопасным для употребления. Селекционерам нужны сорта пшеницы, которые сохраняют здоровье в самых разных погодных условиях и местах, однако полевые испытания тысяч линий занимают много времени и стоят дорого. В этом исследовании изучают, как с помощью ДНК-информации и продвинутой статистики предсказывать, какие линии пшеницы будут устойчивы к FHB в разных средах, что потенциально ускорит появление более безопасных и надежных сортов.

Болезнь, формируемая погодой и генетикой

FHB — сложное заболевание, поскольку его тяжесть зависит и от генов растения, и от условий, в которых оно растет. Теплая влажная погода во время цветения создает идеальные условия для инфекции, но эти условия могут меняться от года к году и от места к месту. Одна и та же линия пшеницы может выглядеть относительно устойчивой в одном испытании и сильно пораженной в другом. Селекционеры также отслеживают признаки, связанные с FHB, такие как выступание тычинок (части, несущие пыльцу), высота растений и сроки колошения. В этом исследовании авторы подтвердили сильные связи: линии с большим выступанием тычинок и большей высотой растений как правило имели меньше FHB и более низкий уровень токсина DON, тогда как позднее колошение часто сопровождалось более высокими уровнями токсина. Эти связи признаков служат полезными подсказками при попытках прогнозировать устойчивость к болезни.

От полевых участков к предсказательным моделям

Группа проанализировала две большие коллекции яровой пшеницы: генетически разнообразную международную панель и панель элитных северных (скандинавских) линий. Обе панели оценивали на FHB, DON и сопутствующие признаки в течение нескольких лет в Норвегии, Австрии и Канаде. Одновременно каждая линия была охарактеризована десятками тысяч ДНК-маркеров по всему геному. На основе совокупности полевых и генетических данных исследователи построили несколько типов предсказательных моделей. Одна модель использовала только информацию о каждой линии и об окружениях, в которых она тестировалась. Вторая модель добавляла геномные отношения между линиями. Третья, более сложная модель, также учитывала, как каждый генетический профиль взаимодействует с каждой средой — фиксируя ключевые эффекты «генотип × среда» (G × E), из‑за которых линия проявляет себя по‑разному в разных условиях.

Учимся на нескольких признаках и местах

Чтобы имитировать реальные селекционные решения, в исследовании проверяли два сценария. В первом модели должны были предсказать совершенно новые линии пшеницы, которые ранее не выращивались. Во втором они предсказывали, как известные линии поведут себя в новой среде, используя результаты с других площадок и лет. Исследователи также сравнивали одно‑признаковые модели, сфокусированные только на FHB или DON, с многопризнаковыми моделями, которые одновременно использовали FHB, DON, высоту растений, сроки колошения и выступание тычинок. В более разнообразной панели многопризнаковые модели в целом превосходили одно‑признаковые, особенно когда включали члены G × E. В элитной северной панели, где генетическая и средовая вариативность была уже, многопризнаковые модели не всегда помогали и иногда работали чуть хуже. В обеих панелях и в обоих сценариях точность предсказаний улучшалась при использовании данных из нескольких сред, что отражает силу заимствования информации между испытаниями.

Почему ДНК‑модели, учитывающие среду, работают лучше

Наиболее успешной оказалась модель, объединяющая геномную информацию с явными эффектами G × E. Для трудных признаков, таких как степень тяжести FHB и содержание DON — оба сильно зависящие от погоды — эта модель часто давала наивысшие предсказательные способности. В частности, когда корреляции между средами были сильны, например при схожем давлении болезни в разные годы или локации, модель с взаимодействием могла использовать эти связи для более надежных прогнозов. Исследование также выделило другие факторы, влияющие на качество предсказаний: большие и более разнообразные обучающие выборки, более высокая плотность маркеров и аккуратно измеренные полевые данные все вносили вклад в лучшее исполнение, особенно в более разнообразной панели, испытуемой в течение многих лет.

Что это значит для более безопасной и стабильной пшеницы

Для неспециалиста главный вывод таков: селекцию на устойчивость к FHB можно сделать быстрее и точнее, сочетая ДНК‑информацию с тщательным моделированием реакции растений на разные среды. Вместо того чтобы годами ждать полевых испытаний каждой кандидатной линии, селекционеры могут использовать эти модели, чтобы прогнозировать, какие линии, вероятно, будут здоровее и будут накапливать меньше токсина в разных климатах. Хотя в каждом случае многопризнаковые модели не давали драматического преимущества, исследование показало, что учет взаимодействия генов и среды последовательно улучшает прогнозы. В долгосрочной перспективе такие климато‑чувствительные геномные инструменты могут помочь создавать сорта пшеницы, дающие более безопасное зерно и более стабильные урожаи при все более непредсказуемой погоде.

Цитирование: Nannuru, V.K.R., Dieseth, J.A., Dong, Y. et al. Genotype environment interaction effects in multi environment models for Fusarium head blight resistance in wheat. npj Sci. Plants 2, 11 (2026). https://doi.org/10.1038/s44383-026-00022-y

Ключевые слова: устойчивость пшеницы к болезням, фузариоз колоса, геномное предсказание, взаимодействие генотипа и среды, растенная селекция