Prediction of hybrid performance in maize using molecular markers

Maize breeders develop a large number of inbred lines in each breeding cycle, but, owing to resource constraints, evaluate only a small proportion of all possible crosses among these lines in field trials. Therefore, predicting the performance of hybrids by utilising the data available from related crosses to identify untested but promising hybrids is extremely important. The objectives of this thesis research were to develop and evaluate methods for marker-based prediction of hybrid performance (HP) in unbalanced data as typically generated in commercial maize hybrid breeding programs. For HP prediction, a promising approach uses the sum of effects across quantitative trait loci (QTL) as predictor. However, comparison of this approach with established prediction methods based on general combining ability (GCA) was lacking. In addition, prediction of specific combining ability (SCA) is also possible with this approach, but was so far not used for HP prediction. The objectives of the first study in this thesis were to identify QTL for grain yield and grain dry matter content, combine GCA with marker-based SCA estimates for HP prediction, and compare marker-based prediction with established methods. Hybrids from four Dent × Flint factorial mating experiments were evaluated in field trials and their parental inbreds were genotyped with amplified fragment length polymorphism (AFLP) markers. Efficiency for prediction of hybrids, of which both parents were testcross evaluated (Type 2), was assessed by leave-one-out cross-validation. The established GCA-based method predicted HP better than the approach exclusively based on markers. However, with greater relevance of SCA, combining GCA with marker-based SCA estimates was superior compared with HP prediction based on GCA only. Linkage disequilibrium between markers was expected to reduce the prediction efficiency due to inflated QTL effects and reduced power. Thus, in the second study, multiple linear regression (MLR) with forward selection was employed for HP prediction. In addition, adjacent markers in strong linkage disequilibrium were combined into haplotype blocks. An approach based on total effects of associated markers (TEAM) was developed for multi-allelic haplotype blocks. Genome scans to search for significant QTL involve multiple testing of many markers, which increases the rate of false-positive associations. Thus, the TEAM approach was enhanced by controlling the false discovery rate. Considerable loss of marker information can be caused by few missing observations, if the prediction method depends on complete marker data. Therefore, the TEAM approach was improved to cope with missing marker observations. Modification of the cross-validation procedure reflected, that often only a subset of parental lines is crossed with all lines from the opposite heterotic group in a factorial mating design. The prediction approaches were evaluated with the same field data as in the previous study. The results suggested that with haplotype blocks instead of original marker data, similar or higher efficiencies for HP prediction can be achieved. Marker-based HP prediction of inter-group crosses between lines, which were marker genotyped but not testcross evaluated, was not investigated hitherto. Heterosis, which considerably contributes to maize grain yield, was so far not incorporated into marker-based HP prediction. Combined analyses of field trials from multiple experiments of a breeding program provide valuable data for HP prediction. With a mixed linear model analysis of such unbalanced data from nine factorial mating experiments, best linear unbiased prediction (BLUP) values for HP, GCA, SCA, line per se performance, and heterosis of 400 hybrids were obtained in the third study. The prediction efficiency was assessed in cross-validation for prediction of hybrids, of which none (Type 0) or one (Type 1) parental inbred was testcross evaluated. An extension of the established HP prediction method based on BLUP of GCA and SCA, but not using marker data, resulted in prediction efficiency intermediate for Type 1 and very low for Type 0 hybrids. Combining line per se with marker-based heterosis estimates (TEAM-LM) mostly resulted in the highest prediction efficiencies of grain yield and grain dry matter content for both Type 0 and Type 1 hybrids. For the heterotic trait grain yield, the highest prediction efficiencies were generally obtained with marker-based TEAM approaches. In conclusion, this thesis research provided methods for the marker-based prediction of HP. The experimental results suggested that marker-based HP prediction is an efficient tool which supports the selection of superior hybrids and has great potential to accelerate commercial hybrid breeding programs in a very cost-effective manner. The significance of marker-based HP prediction is further enhanced by recent advances in production of doubled haploid lines and high-throughput technologies for rapid and inexpensive marker assays.

In kommerziellen Maiszüchtungsprogrammen werden zur Entwicklung von ertragreichen Hybridsorten sehr viele Inzuchtlinien erzeugt. Aus der Vielzahl möglicher Kreuzungen kann jedoch in Feldversuchen nur ein geringer Teil auf Ertragsleistung hin geprüft werden. Die Vorhersage der Hybridleistung (HL) durch die Nutzung von Prüfergebnissen verwandter Kreuzungen ermöglicht das Auffinden aussichtsreicher, aber bislang ungeprüfter Hybriden. Ziel dieser Forschungsarbeit ist die Entwicklung von Methoden zur Nutzung molekularer Marker für die Vorhersage der HL auf der Grundlage unbalancierter Daten aus kommerziellen Maiszüchtungsprogrammen. Ein Erfolg versprechender Ansatz zur Vorhersage der HL nutzt die Summe der Markereffekte von Genloci eines quantitativen Merkmals (quantitative trait loci, QTL); ein Vergleich mit gängigen Vorhersagemethoden, die auf allgemeiner Kombinationseignung (general combining ability, GCA) basieren, fehlt jedoch. Auch eine Vorhersage der spezifischen Kombinationseignung (specific combining ability, SCA) ist mit diesem Ansatz möglich, wurde bislang jedoch nicht für die Vorhersage der HL genutzt. Ziele der ersten Studie waren die Identifikation von QTL für Kornertrag und Korntrockenmassegehalt, die Kombination von GCA mit marker-basierten SCA-Schätzwerten zur HL-Vorhersage und ein Vergleich der marker-basierten Vorhersage mit gängigen Methoden. Hybriden aus vier faktoriellen Dent × Flint Kreuzungsexperimenten wurden in Feldversuchen geprüft und ihre Elternlinien mit molekularen Markern genotypisiert. Durch Kreuzvalidierung mit Einzelwerten wurde die Güte der Vorhersage für Hybriden untersucht, bei denen beide Eltern bereits in Testkreuzungen geprüft worden waren (Typ 2). Dabei wurde mit der gängigen GCA-basierten Methode eine bessere Vorhersage der HL erreicht als mit ausschließlich marker-basierten Methoden. Bei größerer Bedeutung der SCA war die Kombination von GCA mit marker-basierter SCA jedoch dem einfachen GCA-basierten Ansatz überlegen. Gametenphasenungleichgewicht zwischen Markern kann zur Minderung der Vorhersagegüte führen. Daher wurde in der zweiten Studie eine multiple lineare Regression (MLR) für die HL-Vorhersage genutzt. Darüber hinaus wurden benachbarte Markerloci mit starkem Gametenphasenungleichgewicht zu Haploblöcken zusammengefasst. Ein Ansatz zur HL-Vorhersage auf der Grundlage der Gesamteffekte assoziierter Marker (total effects of associated markers, TEAM) wurde für multiallelische Haploblockdaten entwickelt. Die genomweite Suche nach signifikanten QTL bedingt ein multiples Testen vieler Markerloci und erhöht das Risiko falsch-positiver Prüfergebnisse. Daher wurde für den TEAM-Ansatz die Einhaltung der sog. ?false discovery rate? berücksichtigt. Ein beträchtlicher Informationsverlust wird durch das Fehlen weniger Markerdatenpunkte verursacht, wenn die Vorhersagemethode vollständige Daten erfordert. Der TEAM-Ansatz wurde deshalb so weiterentwickelt, dass auch Marker mit fehlenden Werten nutzbar sind. In der Kreuzvalidierung wurde berücksichtigt, dass innerhalb faktorieller Kreuzungsschemata häufig nur ein Teil der Linien einer heterotischen Gruppe mit allen Linien der anderen Gruppe gekreuzt werden. Die Güte der Vorhersagemethoden wurde mit denselben Daten wie in der vorherigen Studie geprüft. Die Ergebnisse zeigten, dass mit Haploblockdaten anstelle der ursprünglichen Markerdaten eine ähnliche oder höhere Vorhersagegüte für HL erzielt werden kann. Die marker-basierte Leistungsvorhersage von Kreuzungen zwischen Linien, die zwar mit Markern genotypisiert, nicht aber in Testkreuzungen geprüft wurden, war noch nicht erforscht. Ebenso wurde Heterosis, die wesentlich zum Kornertrag von Maishybriden beiträgt, bislang bei der marker-basierten HL-Vorhersage nicht berücksichtigt. Mit einem gemischten linearen Modell wurden in der dritten Studie unbalancierte Daten aus neun faktoriellen Kreuzungsexperimenten zur Ermittlung von ?best linear unbiased prediction? (BLUP) Werten für HL, GCA, SCA, Linieneigenleistung und Heterosis von 400 Hybriden analysiert. Durch Kreuzvalidierung wurde die Vorhersagegüte für Kreuzungen zweier Linien untersucht, wovon keine (Typ 0) oder nur eine (Typ 1) in Testkreuzungen geprüft worden war. Die gängige Vorhersagemethode, basierend auf BLUP Werten für GCA und SCA, erzielte für Typ 1 Hybriden eine mittlere und für Typ 0-Hybriden eine sehr geringe Vorhersagegüte. Die Kombination von Linieneigenleistung mit marker-basierter Heterosis (TEAM-LM) erreichte meist die höchste Vorhersagegüte für Kornertrag und Korntrockenmassegehalt sowohl für Typ 1- als auch Typ 0-Hybriden. Für Kornertrag wurde mit den marker-basierten TEAM Ansätzen generell die höchste Vorhersagegüte erzielt. In der vorliegenden Arbeit wurden Methoden zur marker-basierten Vorhersage der HL entwickelt und bewertet. Nach diesen Ergebnissen ist die marker-basierte Vorhersage der HL ein effizientes Werkzeug zur Selektion überlegener Hybriden und ermöglicht die Beschleunigung kommerzieller Hybridzuchtprogramme in sehr kosteneffizienter Weise. Insbesondere haben Fortschritte bei (1) der Herstellung von doppelhaploiden Linien und (2) der schnellen und kostengünstigen Markeranalyse mittels Hochdurchsatztechnologien die Voraussetzungen geschaffen, um die in dieser Studie als aussichtsreich eingestuften Vorhersageverfahren künftig erfolgreich in praktischen Maiszüchtungsprogrammen einzusetzen.