publ-mit-podpubl-mit-podMelchinger, Albrecht E.Schopp, Pascal2024-04-082024-04-082019-01-282017https://hohpublica.uni-hohenheim.de/handle/123456789/6336Genomic 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.Die 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.enghttp://opus.uni-hohenheim.de/doku/lic_mit_pod.phpPlant breedingMaizeCornGenomic predictionGenomic selectionGenomische LeistungsvorhersageQuantitative Genetik630PflanzenzüchtungGenetikMaisBiostatistikMarkerDoctoralThesis516629719urn:nbn:de:bsz:100-opus-15598