Bitte beachten Sie: Im Zeitraum vom 21.12.2024 bis zum 07.01.2025 werden auf hohPublica keine Anfragen oder Publikationen durch das KIM bearbeitet. Please note: KIM will not process any requests or publications on hohPublica between December 21, 2024 and January 7, 2025.
 

Factors influencing the accuracy of genomic prediction in plant breeding

dc.contributor.advisorMelchinger, Albrecht E.de
dc.contributor.authorSchopp, Pascalde
dc.date.accepted2018-03-11
dc.date.accessioned2024-04-08T08:56:40Z
dc.date.available2024-04-08T08:56:40Z
dc.date.created2019-01-28
dc.date.issued2017
dc.description.abstractGenomic prediction (GP) is a novel statistical tool to estimate breeding values of selection candidates without the necessity to evaluate them phenotypically. The method calibrates a prediction model based on data of phenotyped individuals that were also genotyped with genome-wide molecular markers. The renunciation of an explicit identification of causal polymorphisms in the DNA sequence allows GP to explain significantly larger amounts of the genetic variance of complex traits than previous mapping-based approaches employed for marker-assisted selection. For these reasons, GP rapidly revolutionized dairy cattle breeding, where the method was originally developed and first implemented. By comparison, plant breeding is characterized by often intensively structured populations and more restricted resources routinely available for model calibration. This thesis addresses important issues related to these peculiarities to further promote an efficient integration of GP into plant breeding.en
dc.description.abstractDie genomische Leistungsvorhersage (GLV) ist ein neues statistisches Werkzeug zur Zuchtwertschätzung von Selektionskandidaten ohne die Notwendigkeit diese zuvor zu phänotypisieren. Die Methode kalibriert ein Vorhersagemodell auf Basis bereits phänotypisierter Individuen, welche zudem mit genomweiten molekularen Markern genotypisiert wurden. Der Verzicht auf die explizite Identifikation von kausalen Polymorphismen in der DNA-Sequenz ermöglicht der GLV signifikant größere Anteile der genetischen Varianz komplexer Merkmale zu erklären als frühere, kartierungsbasierte Ansätze zur markergestützten Selektion. Aus diesen Gründen revolutionierte die GLV bereits die Milchrinderzüchtung, in welcher die Methode ursprünglich entwickelt und auch erstmalig praktisch angewendet wurde. Im Vergleich hierzu zeichnet sich die Pflanzenzüchtung durch starke Populationsstruktur und stärker limitierte Ressourcen für den Zweck der Modellkalibration aus, welche in regelmäßigen Abständen zur Verfügung stehen. Die vorliegende Arbeit widmet sich wichtigen Fragen, die sich aus diesen Eigenschaften ergeben, um eine effizientere Integration der GLV in der Pflanzenzüchtung zu fördern.de
dc.identifier.swb516629719
dc.identifier.urihttps://hohpublica.uni-hohenheim.de/handle/123456789/6336
dc.identifier.urnurn:nbn:de:bsz:100-opus-15598
dc.language.isoeng
dc.rights.licensepubl-mit-poden
dc.rights.licensepubl-mit-podde
dc.rights.urihttp://opus.uni-hohenheim.de/doku/lic_mit_pod.php
dc.subjectPlant breedingen
dc.subjectMaizeen
dc.subjectCornen
dc.subjectGenomic predictionen
dc.subjectGenomic selectionen
dc.subjectGenomische Leistungsvorhersagede
dc.subjectQuantitative Genetikde
dc.subject.ddc630
dc.subject.gndPflanzenzüchtungde
dc.subject.gndGenetikde
dc.subject.gndMaisde
dc.subject.gndBiostatistikde
dc.subject.gndMarkerde
dc.titleFactors influencing the accuracy of genomic prediction in plant breedingde
dc.title.dissertationFaktoren, die die Genauigkeit der genomischen Leistungsvorhersage in der Pflanzenzüchtung beeinflussende
dc.type.dcmiTextde
dc.type.diniDoctoralThesisde
local.accessuneingeschränkter Zugriffen
local.accessuneingeschränkter Zugriffde
local.bibliographicCitation.publisherPlaceUniversität Hohenheimde
local.export.bibtex@phdthesis{Schopp2017, url = {https://hohpublica.uni-hohenheim.de/handle/123456789/6336}, author = {Schopp, Pascal}, title = {Factors influencing the accuracy of genomic prediction in plant breeding}, year = {2017}, school = {Universität Hohenheim}, }
local.export.bibtexAuthorSchopp, Pascal
local.export.bibtexKeySchopp2017
local.export.bibtexType@phdthesis
local.faculty.number2de
local.institute.number350de
local.opus.number1559
local.universityUniversität Hohenheimde
local.university.facultyFaculty of Agricultural Sciencesen
local.university.facultyFakultät Agrarwissenschaftende
local.university.instituteInstitute for Plant Breeding, Seed Science and Population Geneticsen
local.university.instituteInstitut für Pflanzenzüchtung, Saatgutforschung und Populationsgenetikde
thesis.degree.levelthesis.doctoral

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
diss_Pascal_Schopp_2017.pdf
Size:
539.63 KB
Format:
Adobe Portable Document Format
Description:
Open Access Fulltext