Effect of ploidy and genetic background on heterosis in hybrids of the yeast Saccharomyces cerevisiae | Kromosomilukumäärän ja geneettisen alkuperän vaikutus heteroosiin hiivan Saccharomyces cerevisiae -hybrideissä
2025
Rinta-Harri, Kaisa Paula Hannele | Helsingin yliopisto, Maatalous-metsätieteellinen tiedekunta | University of Helsinki, Faculty of Agriculture and Forestry | Helsingfors universitet, Agrikultur-forstvetenskapliga fakulteten
Saccharomyces cerevisiae is a key microorganism in biotechnology, widely utilized in fermentation-based industries and as a model organism in genetics. Breeding and hybridization serve as key strategies for optimizing yeast strains, with hybridization enabling the combination of desirable traits from genetically distinct parents. A primary advantage of hybridization is heterosis, whereby hybrids exhibit enhanced traits compared to their parental strains. However, predicting heterosis remains challenging, as its occurrence is influenced by genetic background and environmental factors. Additionally, ploidy, the number of chromosome sets in an organism, is a critical yet poorly understood factor in yeast breeding. This study investigated the influence of ploidy and genetic background on yeast hybrid fitness under industrially relevant stress conditions, specifically assessing whether polyploid hybrids outperform diploid hybrids and whether increased genetic distance between parental strains enhances hybrid performance. Prior to this study, eighteen parental strains were crossed to produce 960 hybrids, whose mating types were confirmed via PCR. Ploidy, determined through SYTOX Green staining and flow cytometry, exhibited strong correlations with predicted values, with some chromosomal instability observed in higher-ploidy hybrids. Growth kinetics were analyzed under control conditions and five stress conditions (growth media supplemented with ethanol, NaCl, lactic acid, acetic acid, and hydroxymethylfurfural) by using high-throughput microplate cultivation. Results demonstrated that hybrids outperformed parental strains in some conditions, whereas parental strains exhibited superior growth in others. Ploidy showed weak or negative correlations with maximum growth, while genetic distance between parental strains positively influenced hybrid performance in certain conditions, though its effects were context-dependent. Domesticated parental strains, particularly those extracted from wine and beer, were underrepresented among high-performing hybrids, highlighting that wild strains have more potential for industrial breeding. Future research should investigate the molecular mechanisms driving these trends, incorporating genome sequencing, metabolic modeling, and machine learning to improve hybrid performance predictions. Given the complexity of heterosis, computational approaches could enhance yeast strain selection, optimizing breeding strategies for industrial applications. A deeper understanding of these factors would help refine yeast breeding strategies and optimizing strains for industrial applications.
Afficher plus [+] Moins [-]Saccharomyces cerevisiae on keskeinen mikro-organismi bioteknologiassa, ja sitä hyödynnetään laajasti käymisteollisuudessa sekä malliorganismina genetiikan tutkimuksessa. Jalostus ja hybridisaatio ovat tärkeitä strategioita hiivakantojen optimoinnissa. Hybridisaation avulla voidaan yhdistää geneettisesti kaukana toisistaan olevien emokantojen ominaisuuksia. Sen merkittävä etu on heteroosi, ilmiö, jossa hybridit ilmentävät parempia ominaisuuksia kuin vanhempansa. Heteroosin ennustaminen on kuitenkin haastavaa, sillä sen ilmeneminen riippuu emokantojen geneettisestä taustasta ja ympäristötekijöistä. Heteroosiin lisäksi ratkaisevasti liittyvä kromosomien lukumäärä on vielä heikosti ymmärretty tekijä hiivan jalostuksessa. Tässä tutkimuksessa selvitettiin kromosomilukumäärän ja geneettisen taustan vaikutusta hiivahybridien elinvoimaan teollisesti merkittävissä stressiolosuhteissa. Työssä tarkasteltiin, ovatko polyploidiset hybridit elinvoimaisempia kuin diploidiset hybridit, ja parantaako emokantojen välinen geneettinen etäisyys hybridien suorituskykyä. Tutkimuksessa käytettiin 18 emokannasta risteytettyä 960 hybridiä (rakennettu ennen työn aloitusta), joiden pariutumistyypit vahvistettiin PCR-analyysillä. Kromosomilukumäärät määritettiin SYTOX Green -nukleiinihappovärjäyksen ja virtaussytometrian avulla, mikä osoitti kromosomien määrän korreloivan hyvin teoreettisten estimaattien kanssa. Huomattiin, että korkeamman kromosomilukumäärän omaavilla hybrideillä esiintyi jonkin verran kromosomaalista epävakautta. Kasvukinetiikkaa analysoitiin kontrolliolosuhteen lisäksi viidessä stressiolosuhteessa, jolloin kasvualustaan lisättiin joko etanolia, natriumkloridia, maitohappoa, etikkahappoa tai hydroksimetyylifurfuraalia, hyödyntäen korkean suoritustehon mikrolevykasvatuksia. Tulokset osoittivat, että hiivahybridit ilmensivät heteroosia tietyissä olosuhteissa, kun taas toisissa olosuhteissa emokannat suoriutuivat paremmin. Kromosomilukumäärällä havaittiin heikkoa tai negatiivista korrelaatiota maksimaaliseen kasvuun. Emokantojen geneettinen etäisyys vaikutti positiivisesti hybridien suorituskykyyn joissakin olosuhteissa, mutta vaikutukset olivat olosuhderiippuvaisia. Lisäksi havaittiin, että domestikoituneet emokannat, erityisesti viini- ja oluthiivakannat, olivat aliedustettuina parhaiten menestyneiden hybridien joukossa, mikä korostaa villien emokantojen potentiaalia teollisessa jalostuksessa. Tulevaisuudessa tulisi selvittää tarkemmin molekyylimekanismeja tutkimuksessa tehtyjen havaintojen takana. Genomisekvensoinnin, metaboliamallinnuksen ja koneoppimisen integrointi voisi parantaa hybridien suorituskyvyn ennustamista ja hienosäätää jalostusstrategioita. Heteroosin monimutkaisuuden vuoksi laskennallisia lähestymistapoja voitaisiin hyödyntää hiivakantojen optimoinnissa ja teollisten hiivojen kehittämisessä.
Afficher plus [+] Moins [-]Mots clés AGROVOC
Informations bibliographiques
Cette notice bibliographique a été fournie par University of Helsinki
Découvrez la collection de ce fournisseur de données dans AGRIS