Miscanthus hat Potenzial als Biomassepflanze, sondern die Entwicklung von Sorten, die der natürlichen Hybride durchweg überlegen sind M. × Giganteus war eine Herausforderung, vermutlich aufgrund starker G × E-Wechselwirkungen und mangelnder Kenntnis der komplexen genetischen Architekturen von Merkmalen, die der Biomasseproduktivität und der Klimaanpassung zugrunde liegen. Während Kopplungs- und Assoziationskartierungsstudien beginnen, lange Listen von Kandidatenregionen und sogar einzelnen Genen zu generieren, scheint es unwahrscheinlich, dass diese Informationen in eine effektive markergestützte Selektion für die Bedürfnisse von Zuchtprogrammen übersetzt werden können. Die genomische Selektion hat sich als praktikable Alternative herausgestellt, und die Vorhersagegenauigkeiten sind bei einer Reihe von phänologischen und morphometrischen Merkmalen von Miscanthus moderat, wenn auch relativ gering für den Biomasseertrag an sich.

Slawow et al. haben zuvor eine Kombination aus Indexauswahl und genomischer Vorhersage vorgeschlagen, um die Einschränkungen zu überwinden, die durch die inhärente Komplexität des Biomasseertrags auferlegt werden. Sie erweitern diesen Ansatz und veranschaulichen sein Potenzial, mehrere Zuchtziele gleichzeitig zu erreichen, in Ermangelung von a priori Wissen über ihre relative wirtschaftliche Bedeutung, während auch korrelierte Selektionsreaktionen für Nicht-Zielmerkmale überwacht werden. Wir bewerten zwei hypothetische Szenarien zur Steigerung des Biomasseertrags um 20 % innerhalb einer einzigen Auswahlrunde. Im ersten Szenario wird dies in Kombination mit einer Verzögerung der Blüte um 44 d (ca. 20 %) erreicht, während im zweiten Szenario eine Ertragssteigerung gemeinsam mit einem reduzierten Lignin- (–5 %) und einem erhöhten Cellulosegehalt (+5 %) angestrebt wird , relativ zum aktuellen Durchschnittsniveau in der Zuchtpopulation. In beiden Szenarien wurden die Ziele effizient erreicht (Selektionsintensitäten entsprechend der Erhaltung der besten 20 bzw. 4 % der Genotypen).

Obwohl diese Berechnungen auf mehreren Annahmen beruhen, unterstreichen sie die Notwendigkeit, Zuchtziele zu bewerten und korrelierte Reaktionen ausdrücklich zu berücksichtigen in silico, bevor Sie umfangreiche Ressourcen binden. Der vorgeschlagene Ansatz ist für diesen Zweck breit anwendbar und kann problemlos Hochdurchsatz-Phänotypisierungsdaten als Teil integrierter Zuchtplattformen integrieren.