Oat breeding in the era of genomics : resistance against Fusarium

Abstract

In Norway, oat, along with wheat and barley, constitute one of the three major crops, valued as a break crop due to its minimal disease overlaps with the others. However, a significant threat to the cereal crops, particularly oats, is Fusarium head blight (FHB) disease, caused by the fungal pathogen Fusarium graminearum. FHB negatively impacts yield, quality, and germination ability, and it also generates a mycotoxin called deoxynivalenol (DON), which poses health risks to both humans and animals. The occurrence of Fusarium head blight is promoted by environmental conditions such as continuous precipitation, warm summer, and prolonged harvest periods. Previous outbreaks of this disease have had severe consequences for the oat industry, resulting in reduced grain prices for farmers, diminished high-quality grains for millers and the feed industry, and lower-quality seeds with reduced germination capacity for seed producers. Developing resistant oat varieties through traditional breeding methods is time-consuming and costly, involving extensive field trials and post-harvest analysis of DON content and germination potential. Recent initiatives aimed at enhancing resistance in Norwegian oat varieties have identified potential sources of resistance and implemented field trials and analysis through the breeding company Graminor, even at a significant cost. Genetic studies have revealed that resistance to Fusarium in oats is a highly quantitative trait influenced by numerous small-effect Quantitative Trait Loci (QTL). This makes it a promising candidate for genomic selection (GS), a DNA-based breeding technique. GS enables breeders to perform selection at earlier stages based on predicted breeding values calculated from statistical models and DNA markers. To effectively implement GS in the Norwegian breeding program, a set of training individuals must be genotyped and accurately phenotyped. This project aimed to introduce genomic selection into the Norwegian breeding program through three tasks. The first task involved evaluating strategies to optimize training populations and resulted in an article published in autumn 2022 which concluded that population size and genetic similarity between training and testing populations was the most important criteria to optimize. Genetic and phenotypic diversity was less important, but still played a vital role as long as the other criteria were optimized. The Prediction core strategy worked best in balancing these optimization criteria and resulted in significantly higher prediction ability than random selection. An optimized training population was sown in mist irrigated and inoculated disease trials in two locations (Staur and Vollebekk) in three years (2020, 2021 and 2023) and analysed for DON content and germination ability. Three validation populations were also analysed in separate years in 2020, 2021 and 2022. Data were used in task 2 and 3. The second task involved conducting genome-wide association mapping to pinpoint crucial regions for FHB resistance in Norwegian germplasm. This research successfully identified 15 different QTL-regions, with five of them consistently validated in breeding material as having a substantial impact. The third task employed phenotypes, whole-genome markers, and the significantly associated QTL-regions from the association mapping to predict the phenotypes of three distinct breeding populations. Using these QTL-regions as fixed effects in GS, the project achieved moderately high accuracy in predicting DON and germination percentages, ranging between 0.44 and 0.47 for DON in the breeding populations. Although the added QTL-regions enhanced accuracy individually and in a cross-validation setup within the training population, their impact varied across different breeding populations. The results of this thesis will facilitate Graminor's adoption of GS for FHB resistance, reducing breeding costs and enabling screening in earlier generations. Furthermore, it will serve as a foundation for the implementation of GS for other traits, thereby enhancing the overall efficiency of oat breeding.

Havre er blant de tre viktigst kornslagene i Norge, og er ansett som god art for vekstskifte med bygg og hvete fordi de har få sykdommer til felles. Men, en sykdom som har potensielt store konsekvenser i alle kornslagene, og spesielt havre, er aksfusariose. Det er en sykdom forårsaket av sekksporesoppen Fusarium graminearum. Den reduserer avling, kvalitet, spireprosent og produserer et giftstoff som heter deoxynivalenol (DON) som er skadelig for både mennesker og dyr. Giftstoffet er strengt regulert i EU og Norge, og i år med store smitteutbrudd kan bøndene få redusert pris på levert korn. I utbruddene mellom 2008-2012 måtte 30% av havrepartiene forkastes på grunn av lav spireevne, og 40% av leverte partier fikk redusert pris på grunn av forhøyede DON verdier. Sammen med jordbearbeiding og god agronomisk praksis er bruk av resistente sorter en av de beste måtene å redusere risikoen for høyt smittepress. Utviklingen av resistente sorter tar lang tid og koster mye i form av feltforsøk og analyser for DON og spireprosent. Nye forskningsprosjekter satte som mål å finne kilder til resistens og implementere ny kunnskap for å forbedre resistensforedlingen. Disse studiene viste at resistensen i havre er kvantitativ med mange gener som hver for seg gir liten effekt. En foredlingsteknikk som kan tas i bruk for å effektivisere resistensforedlingen er genomisk seleksjon (GS). Dette er en metode som baserer seg på å bruke genetiske og fenotypiske data for en populasjon til å trene en statistisk modell som skal kunne forutsi resistensen til nytt foredlingsmateriale basert på kun genetiske data. Dette vil gjøre det mulig å gjøre seleksjon av materiale i tidlige generasjoner og dermed øke seleksjonsintensiteten for Fusariumresistens. Dette kan også potensielt spare kostnader i feltforsøk og analyser. Målet med dette prosjektet var å implementere genomisk seleksjon i det norske havreforedlingsprogrammet gjennom tre arbeidspakker. I arbeidspakke 1 ble det benyttet en større samling foredlingslinjer og historiske sorter til å evaluere forskjellige strategier for optimalisering av treningspopulasjoner. Dette resulterte i en artikkel som ble publisert i 2022 som konkluderte at de viktigste parameterne å optimalisere var størrelse på populasjonen og den genetiske likheten mellom trenings- og testingspopulasjonen. Genetisk og fenotypisk diversitet spilte mindre viktig rolle, men hadde fortsatt betydning gitt at de andre kriteriene var optimalisert. Det var strategien «Prediction core» som klarte å balansere optimaliseringskriteriene best og strategien resulterte i signifikant høyere treffsikkerhet enn et tilfeldig utvalg. Dette arbeidet resulterte også i en optimalisert treningspopulasjon på 541 genotyper som ble sådd ut i inokulerte Fusarium forsøk med dusjvanning for å gi gode forhold for infeksjon. Forsøkene ble gjennomført med to gjentak, på to steder (Vollebekk og Staur) i tre år (2020, 2021 og 2022). Prøvene ble analysert for DON innhold og spireprosent. Data fra forsøkene ble brukt i arbeidspakke 2 and 3. Arbeidspakke 2 var å gjøre en assosiasjonskartlegging for Fusarium resistens og resulterte i 48 signifikante markører fordelt over 15 områder på genomet. Resistente og mottakelige alleler av disse områdene ble identifisert, hvorav fem ble validert med konsistent effekt over miljø og viste resistens i tre ulike valideringspopulasjoner. Disse resultatene ble brukt i arbeidspakke 3 hvor genomiske prediksjonsmodeller ble brukt som inkluderte effekten av de fem validerte gen områdene, samt resten av resultatene fra assosiasjonskartleggingen for å forutsi DON og spireprosent i de tre valideringspopulasjonene. Resultatet var modeller som gav moderat høy treffsikkerhet mellom 0.44 og 0.47 for DON. Effekten av å bruke informasjonen fra assosiasjons¬kartleggingen varierte med egenskap og populasjoner, med i de fleste tilfellene ble treffsikkerheten høyere eller uforandret. Selv om inkludering av markører fra alle signifikante QTL resulterte i høyere treffsikkerhet i treningspopulasjonen, førte det til lavere treffsikkerhet i valideringspopulasjonene. Resultatene i denne avhandlingen vil gi Graminor muligheten til å implementere genomisk seleksjon for Fusariumresistens i havreforedlingsprogrammet. Arbeidet gir også et fundament for videre utvikling av genomisk seleksjon som seleksjonsmetode i planteforedling.