DOI: https://doi.org/10.3389/fpls.2025.1757949
PMID: https://pubmed.ncbi.nlm.nih.gov/41626326
تاريخ النشر: 2026-01-15
المؤلف: Xiaoxu Li وآخرون
الموضوع الرئيسي: دراسات الوراثة النباتية والطفرات
نظرة عامة
تقدم هذه القسم نظرة عامة على التقدم في تقنيات العلامات الجزيئية للنباتات التي عززت بشكل كبير من وراثة المحاصيل وممارسات التربية. يسلط الضوء على الانتقال من الطرق التقليدية مثل تعدد أشكال طول شظايا التقييد (RFLP) والتكرارات التسلسلية البسيطة (SSR) إلى تقنيات تحديد الأنماط الجينية الحديثة ذات الإنتاجية العالية مثل تعدد أشكال النوكليوتيد الفردي (SNP)، مع التركيز بشكل خاص على منصات مثل KASP وتقنيات لوحات الجينات المتعددة. بالإضافة إلى ذلك، يتم مناقشة طرق التسلسل مثل تحديد الأنماط الجينية عن طريق التسلسل (GBS) وتحديد الأنماط الجينية عن طريق التسلسل المستهدف (GBTS) وHyperseq كأدوات أساسية للاكتشاف في المراحل العليا، مما يسهل التطبيقات في اختيار العلامات المعزز، وبصمة الحمض النووي، وحماية أصناف النباتات.
تحدد المراجعة التحديات الرئيسية في هذا المجال، بما في ذلك الحاجة إلى توحيد المعايير عبر المنصات، وتصميم لوحات العلامات بتكلفة فعالة، وتوافق قواعد البيانات، وإقامة عتبات المسافة الجزيئية المقبولة بيولوجيًا وقانونيًا. علاوة على ذلك، تستكشف دمج بيانات العلامات الجزيئية مع الذكاء الاصطناعي، مع التأكيد على دور الذكاء الاصطناعي في اكتشاف العلامات، والتنبؤ الجينومي في بيئات متنوعة، وتطوير نظام تشغيل ذكي لصناعة البذور ينسق بين البيانات الجينية والظاهرة والبيئية.
مقدمة
تسلط المقدمة الضوء على التحديات الملحة للأمن الغذائي العالمي، وتغير المناخ، والمنافسة في صناعة البذور، مما يستدعي التطوير السريع لأصناف نباتية عالية الإنتاجية، مستقرة، ومرنة. يتم دعم طرق التربية التقليدية، التي تعتمد على الصفات المرئية وخبرة المربين، بشكل متزايد بتقنيات العلامات الجزيئية التي توفر رؤى مباشرة حول التباين الجيني على مستوى الحمض النووي. تعزز هذه التقنيات من دقة وكفاءة عمليات الاختيار، مما يجعلها جزءًا لا يتجزأ من برامج تحسين الوراثة الحديثة. لقد حسنت مقدمة بصمة الحمض النووي والعلامات الجزيئية من موثوقية تقييمات حماية أصناف النباتات (PVP)، خاصة في تقييم التميز، والتجانس، والاستقرار (DUS)، التي غالبًا ما تتأثر بالعوامل البيئية والحكم البشري الذاتي.
تناقش هذه القسم أيضًا تطور العلامات المعتمدة على الحمض النووي منذ الثمانينيات، مع التركيز على دور التسلسل عالي الإنتاجية وتعدد أشكال النوكليوتيد الفردي (SNPs) في تقدم البحث الجيني وتحسين المحاصيل. لقد مكنت هذه التطورات المربين من ربط التباينات الجينومية بالظواهر بشكل أكثر فعالية من الطرق التقليدية في الحقول. لقد حسنت إدخال المنصات الآلية وصيغ العلامات متعددة المواقع الجديدة، مثل لوحات MNP وmGPS، من القدرة على تمييز الأصناف ذات الصلة الوثيقة ودعم تحديد الأصناف المشتقة بشكل أساسي (EDVs). بالإضافة إلى ذلك، أدى دمج البيانات الضخمة والذكاء الاصطناعي (AI) في ممارسات التربية إلى ظهور “التربية الذكية”، حيث يتم استخدام العلامات الجزيئية ضمن مساحة ميزات جينومية شاملة، تجمع بين البيانات الجينومية والبيئية والظاهرة. تهدف هذه المراجعة إلى تلخيص التقدم في تقنيات العلامات مثل KASP وMNP/mGPS، وتطبيقاتها في التربية وPVP، ودمجها مع الذكاء الاصطناعي لتعزيز الابتكار في علم الأحياء الجزيئي للنباتات وصناعة البذور.
نقاش
تسلط قسم النقاش في ورقة البحث الضوء على التقدم الكبير في تقنيات العلامات الجزيئية، الانتقال من الأنظمة المبكرة مثل تعدد أشكال طول شظايا التقييد (RFLP) والتكرارات التسلسلية البسيطة (SSR) إلى منصات تعدد أشكال النوكليوتيد الفردي (SNP) ذات الإنتاجية العالية المدفوعة بالتسلسل من الجيل التالي (NGS). تعتبر العلامات الكلاسيكية، على الرغم من كونها أساسية في الأبحاث الجينية المبكرة، محدودة من حيث الإنتاجية المنخفضة والتكاليف العالية، مما يدفع نحو التحول إلى علامات SNP التي تسهل الدراسات الجينومية واسعة النطاق والتطبيقات في تربية النباتات. ظهرت منصات تحديد الأنماط الجينية المختلفة، بما في ذلك الأنظمة المعتمدة على PCR مثل KASP ورقائق SNP المعتمدة على المصفوفات، مما يسمح بتحديد الأنماط الجينية بكفاءة ودمجها في برامج التربية.
تتناول هذه القسم أيضًا تطور أنظمة العلامات متعددة المواقع، مثل علامات تعدد أشكال النوكليوتيد المتعددة (MNP) وتقنيات لوحات SNP متعددة الجينات (mGPS)، التي تعزز محتوى المعلومات لكل علامة وتكون مفيدة بشكل خاص لحماية أصناف النباتات (PVP) وتمييز الأصناف ذات الصلة الوثيقة. كما يتم مناقشة دمج العلامات الجزيئية مع الذكاء الاصطناعي (AI)، مع التأكيد على إمكانيته في إحداث ثورة في ممارسات التربية من خلال تحسين نماذج التنبؤ الجينومي واتخاذ القرارات المستندة إلى البيانات. تهدف تطبيقات الذكاء الاصطناعي في اكتشاف العلامات وتصميم اللوحات إلى تحسين كفاءة العلامات مع تقليل التكاليف، مما يسهم في النهاية في نهج أكثر ذكاءً ومنهجية في تربية النباتات وعمليات صناعة البذور.
DOI: https://doi.org/10.3389/fpls.2025.1757949
PMID: https://pubmed.ncbi.nlm.nih.gov/41626326
Publication Date: 2026-01-15
Author(s): Xiaoxu Li et al.
Primary Topic: Plant Genetic and Mutation Studies
Overview
The section provides an overview of advancements in plant molecular marker technologies that have significantly enhanced crop genetics and breeding practices. It highlights the transition from traditional methods such as Restriction Fragment Length Polymorphism (RFLP) and Simple Sequence Repeats (SSR) to modern high-throughput Single Nucleotide Polymorphism (SNP) genotyping techniques, particularly focusing on platforms like KASP and multi-gene panel technologies. Additionally, sequencing methods such as Genotyping-by-Sequencing (GBS), Genotyping-by-Targeted Sequencing (GBTS), and Hyperseq are discussed as essential tools for upstream discovery, facilitating applications in marker-assisted selection, DNA fingerprinting, and plant variety protection.
The review identifies key challenges in the field, including the need for cross-platform standardization, cost-effective marker panel design, database interoperability, and the establishment of biologically and legally acceptable molecular distance thresholds. Furthermore, it explores the integration of molecular marker data with artificial intelligence, emphasizing AI’s role in marker discovery, genomic prediction in diverse environments, and the development of an intelligent seed-industry operating system that harmonizes genotypic, phenotypic, and environmental data.
Introduction
The introduction highlights the pressing challenges of global food security, climate change, and competition in the seed industry, which necessitate the rapid development of high-yielding, stable, and resilient plant varieties. Traditional breeding methods, reliant on observable traits and breeder expertise, are increasingly supplemented by molecular marker technologies that provide direct insights into genetic variation at the DNA level. These technologies enhance the accuracy and efficiency of selection processes, making them integral to modern genetic improvement programs. The introduction of DNA fingerprinting and molecular markers has improved the reliability of plant variety protection (PVP) assessments, particularly in evaluating distinctness, uniformity, and stability (DUS), which are often influenced by environmental factors and subjective human judgment.
The section further discusses the evolution of DNA-based markers since the 1980s, emphasizing the role of high-throughput sequencing and single nucleotide polymorphisms (SNPs) in advancing genetic research and crop improvement. These developments have enabled breeders to link genomic variations to phenotypes more effectively than traditional field methods. The introduction of automated platforms and new multi-locus marker formats, such as MNPs and mGPS panels, has enhanced the ability to distinguish closely related varieties and support the identification of essentially derived varieties (EDVs). Additionally, the integration of big data and artificial intelligence (AI) into breeding practices has led to the emergence of “smart breeding,” where molecular markers are utilized within a comprehensive genomic feature space, combining genomic, environmental, and phenotypic data. This review aims to summarize advancements in marker technologies like KASP and MNP/mGPS, their applications in breeding and PVP, and their integration with AI to foster innovation in plant molecular biology and the seed industry.
Discussion
The discussion section of the research paper highlights significant advancements in molecular marker technologies, transitioning from early systems like restriction fragment length polymorphism (RFLP) and simple sequence repeats (SSR) to high-throughput single nucleotide polymorphism (SNP) platforms driven by next-generation sequencing (NGS). Classical markers, while foundational in early genetic research, are limited by low throughput and high costs, prompting a shift towards SNP markers that facilitate large-scale genomic studies and applications in plant breeding. Various SNP genotyping platforms, including PCR-based systems like KASP and array-based SNP chips, have emerged, allowing for efficient genotyping and integration into breeding programs.
The section further elaborates on the evolution of multi-locus marker systems, such as Multiple Nucleotide Polymorphism (MNP) markers and multi-gene panel SNP (mGPS) technologies, which enhance the information content per marker and are particularly useful for plant variety protection (PVP) and distinguishing closely related varieties. The integration of molecular markers with artificial intelligence (AI) is also discussed, emphasizing its potential to revolutionize breeding practices through improved genomic prediction models and data-driven decision-making. AI applications in marker discovery and panel design aim to optimize marker efficiency while reducing costs, ultimately contributing to a more intelligent and systematic approach to plant breeding and seed industry operations.