Zen
МОСКВА, 14 окт. Генетические маркеры пшеницы и сои, позволяющие выращивать Ученые Института цитологии и генетики Сибирского отделения РАН обнаружили сорта, устойчивые к погодным условиям. По их мнению, это в корне изменит подход селекционеров к созданию новых сортов. Результаты опубликованы в журнале Frontiers in Plant Science.
По данным Росстата, в 2023 году в России было собрано 92,8 млн тонн пшеницы и более 6,5 млн тонн сои. Несмотря на большие объемы, аграрная отрасль нуждается в зерновых и зернобобовых культурах с более высокой урожайностью. Соя в последние годы вызывает особый интерес, так как ее используют не только в качестве корма, но и в продуктах питания — от сладостей до пищевых добавок.
Новосибирская группа генетиков, биоинформатиков и селекционеров провела обширный генетический анализ 175 сортов сои и 133 сортов яровой мягкой (мясной) пшеницы, которые изучались в течение четырех лет в рамках гранта Российского научного фонда. В результате поиска более 20 000 участков генома были обнаружены ДНК-маркеры, отвечающие за содержание белка, время цветения, налив зерна и созревание.
«<п>&»Новые линии сои и пшеницы должны иметь более высокое содержание белка и короткий период созревания в условиях Западной Сибири, произрастать независимо от погоды и быть удобными для машинной уборки», — отметила заведующая отделом молекулярной генетики растений Института цитологии и генетики Сибирского отделения РАН (ИЦиГ СО РАН) Елена Салина.
По ее словам, для России особое значение имеют сроки созревания, так как в разных регионах разный вегетационный период.
«В настоящее время востребовано создание скороспелых линий сои, так как культура активно продвигается и выращивается в Сибирском регионе. В этих условиях необходимо уметь манипулировать адаптивностью растений к холодам и более короткому лету», — добавила ученый.
Она также подчеркнула, что генетические технологии позволяют изолировать гены, участвующие в этом процессе, разрабатывать маркеры и использовать их для конкретных целей селекции.
По запросу корреспонденту о том, чем классическая селекция отличается от генетических технологий в сельском хозяйстве, профессор пояснила, что «селекция — это тоже определенная манипуляция генами, но селекционер фиксирует поведение этих генов только по внешним признакам (например, по наличию устойчивости к различным заболеваниям), а генетические инструменты позволяют оценить растение изнутри». «Если будет доказано, что определенный молекулярный маркер связан с проявлением того или иного признака, это может служить дополнительным инструментом для селекционера при подборе нужной линии», — добавила она.
Генетик подчеркнул, что «имея в руках генетические инструменты, мы становимся более мобильными и маневренными: можем работать на опережение, адаптироваться к изменению климата и новым болезням растений».
В качестве наглядного примера профессор привел существенные потери урожая пшеницы в Западной Сибири в этом году. Напомним, в начале сентября из-за продолжающихся дождей в Новосибирской области был введен режим чрезвычайной ситуации. Заместитель председателя областного правительства, министр сельского хозяйства Андрей Шинделов подчеркнул, что «темп уборки урожая очень низкий, комбайны вязнут в грязи». 
«Сибирь буквально залило дождями, и из-за сырой погоды мягкая пшеница полегла — зерно проросло на корню», — отметила она, добавив, что с помощью генетических маркеров можно будет вывести сорт с определенным комплексом генов, который позволит в таких погодных условиях давать стабильно высокую урожайность.
Таким образом, по словам специалистов, для признака предуборочного прорастания зерна на корню ими выявлено шесть высокозначимых маркеров в хромосомах 1B, 1D, 4A, 6B, 7B и 7D, эффективность которых в настоящее время проверяется на различных линиях и сортах пшеницы. 
По словам ученых, метод геномной селекции обладает высокой предсказательной способностью и позволяет проводить отбор сортов на самой ранней стадии. В ближайшем будущем исследовательская группа планирует создать первые опытные партии пшеницы и сои с заданными свойствами с помощью компьютерного моделирования.