home news forum careers events suppliers solutions markets expos directories catalogs resources advertise contacts
 
News Page

The news
and
beyond the news
Index of news sources
All Africa Asia/Pacific Europe Latin America Middle East North America
  Topics
  Species
Archives
News archive 1997-2008
 

Big data in plant breeding: IPK researchers double accuracy in predicting wheat yields
Big Data in der Pflanzenzüchtung: IPK Forscher verdoppeln Genauigkeit bei Vorhersage von Weizen-Erträgen


Gatersleben, Germany
Junu 11, 2021


Photo: IPK/ Christoph Martin

 

The enormous potential of Big Data has already been demonstrated in areas such as financial services and telecommunications. An international team of researchers led by the IPK Leibniz Institute has now tapped the potential of big data for the first time on a large scale for plant research. To this end, data from three projects were used to increase the predictive accuracy for yield in hybrid varieties of wheat.

"We were able to draw on the largest dataset published to date, which contains information from almost a decade of wheat research and development," says Prof. Dr. Jochen Reif, Head of the Breeding Research Department at IPK. The results, which could herald a new era for plant breeding, have now been published in the magazine Science Advances.

Finally, data on more than 13,000 genotypes tested in 125,000 yield plots were analysed. For comparison: In a breeding programme, plants are tested in 20,000 yield plots every year. "It was clear to us that we would have to increase the population sizes in order to ultimately develop robust predictive models for yield," says Prof. Dr. Jochen Reif, "so in this case it was really once: 'a lot goes a long way'". The effort was worth it, he said. "We were able to double the predictive accuracy for yield in our study."

The research team used data from the two previous projects HYWHEAT (funded by the Federal Ministry of Research and Education) and Zuchtwert (funded by the Federal Ministry of Food and Agriculture) as well as from a programme of the seed producer KWS. Basically, the challenge in such studies is to prepare the information to a uniform quality level and thus enable a common analysis. "Since we were responsible for the designs of the experiments from the start, we were able to plan them in such a way that a small proportion of the same genotypes were always tested across the projects, thus enabling an integrated analysis in the first place," says Prof. Dr. Jochen Reif.

The scientist is firmly convinced that it pays off to use Big Data for plant breeding and research. "We have ultimately worked on the future of all of us", says the IPK scientist. "We have succeeded in showing the potential of Big Data for breeding yield-stable varieties in times of climate change."

According to Prof. Dr. Jochen Reif, the current model study has a significance that goes far beyond one crop type and hopefully heralds a cultural change in breeding. "We were able to show the great benefits of Big Data for plant breeding. However, the possibilities for this are only possible through a trusting cooperation of all stakeholders to share data and master the challenges of the future together."

Ultimately, this is also the entry point for the use of artificial intelligence (AI). "The successful use of AI also stands and falls in plant breeding and research with curated and comprehensive data. Our current study is an important door opener for this path."

Original publication:
Zhaoet al. (2021),Unlocking big data doubled the accuracy in predicting the grain yield inhybrid wheat. Science Advances. DOI:10.1126/sciadv.abf9106By increasing population sizes, an international team of scientists led by IPK Leibniz-Institute was able to double the prediction accuracy for wheat yield.

 


 

Big Data in der Pflanzenzüchtung: IPK Forscher verdoppeln Genauigkeit bei Vorhersage von Weizen-Erträgen

 

Angesichts sich stark wandelnder Umweltbedingungen und einerwachsendenWeltbevölkerung weiter für stabile Erträge bei Getreide wie Weizen zu sorgen, ist eine der zentralenHerausforderungenfür Wissenschaft und Züchtung. Künftig wird es immer wichtigersein, die Erträge einzelner Sorten in einem bestimmten Umfeld möglichst genau vorhersagen zu können. Ein internationales Forschungsteam unter Führung des IPK Leibniz-Instituteshat dazu umfangreiche Datensätze zusammengetragen, aufgearbeitet undanalysiert. Letztlich konntemit Big Data die Vorhersagegenauigkeit für den Ertrag verdoppelt werden. Die Ergebnisse, die eine neue Ära für die Pflanzenzüchtung einläuten könnten, hat nun das Magazin „Science Advances“veröffentlicht.

Das enorme Potenzial von Big Data hat sich in Bereichen wie Finanzdienstleistungen und Telekommunikation bereits gezeigt. Ein internationales Forscherteam unter Führung des IPK Leibniz-Institutes hat die Möglichkeiten von Big Data nun erstmals imgroßenMaßstab für die Pflanzenforschung erschlossen. Dazu wurden die Daten aus drei Projekten genutzt, um beim Weizen die Vorhersagegenauigkeit für den Ertrag bei Hybridsorten zu erhöhen. „Wir konnten auf den größten bisher publizierten Datensatz zurückgreifen, der Informationen aus fast einem Jahrzehnt Weizenforschung und -entwicklung enthält“, sagt Prof. Dr. Jochen Reif, Leiter der Abteilung Züchtungsforschung am IPK.

Letztlich wurden Daten zu mehr als 13.000 Genotypenanalysiert, die in125.000 Ertragsparzellengeprüft wurden. Zum Vergleich: In einem Zuchtprogramm werden jährlich Pflanzen in 20.000 Ertragsparzellen getestet. „Uns war klar, dass wir die Populationsgrößen erhöhen müssen, um letztlich belastbare Vorhersagemodelle für den Ertrag zu entwickeln“, sagt Prof. Dr. Jochen Reif, „deshalb hieß in diesem Fall wirklich einmal: ,viel bringt viel‘“.Der Aufwand habesich gelohnt. „Wir konnten in unserer Studie die Vorhersagegenauigkeit für den Ertrag verdoppeln.

Das Forschungsteam nutzte dabeiDaten aus den beiden früheren Projekten HYWHEAT (gefördert vom Bundesministerium für Forschung und Bildung) und Zuchtwert(gefördert vom Bundesministerium für Ernährung und Landwirtschaft) sowie aus einem Programm des Saatgutherstellers KWS. Grundsätzlich besteht die Herausforderung in derartigen Studien darin, die Informationen auf ein einheitlichesQualitätsniveau aufzubereiten und so eine gemeinsame Analyse zu ermöglichen. „Da wir seit Start für die Konzeptionen der Experimente verantwortlich waren, konnten wir diese so planen, dass immer ein kleiner Teil von denselben Genotypen über die Projekte hinweg mitgetestet wurden und somit eine integrierte Analyse überhaupt ermöglichten“, sagt Prof. Dr. Jochen Reif.

Der Wissenschaftler ist fest davon überzeugt, dass es sich auszahlt, Big Data für die Pflanzenzüchtung und -forschung zu nutzen. „Wir haben letztlich an unser aller Zukunftsperspektive gearbeitet“, sagt der IPK-Wissenschaftler.„Es ist uns gelungen, das Potenzial von Big Data für die Züchtungvon ertragsstabilen Sorten in Zeiten des Klimawandels aufzuzeigen.“

Die jetzige Modellstudie, so Prof. Dr. Jochen Reif, habe eine Bedeutung, die weit über eine Kulturart hinausgehe und hoffentlicheinen Kulturwandelin der Züchtung einläutet. „Wir konnten den großen Nutzen von Big Data für die Pflanzenzüchtung aufzeigen. Die Möglichkeiten dazusind aber nur durch eine vertrauensvolle Zusammenarbeit aller Akteuregegeben, um Daten gemeinsam zu nutzen und die Herausforderungen der Zukunft zusammen meistern zu können.“Letztendlich ist das auch die Eintrittspforte für die Nutzung Künstlicher Intelligenz (KI). „Die erfolgreiche Nutzung von KI steht und fällt auch in der Pflanzenzüchtung und -forschung mit sauberen und umfangreichen Daten. Unsere jetzige Studie ist für diesen Weg ein wichtiger Türöffner.“

Originalpublikation:
Zhaoet al. (2021),Unlocking big data doubled the accuracy in predicting the grain yield inhybrid wheat.Science Advances. DOI:10.1126/sciadv.abf9106



More news from: IPK Gatersleben - Leibniz Institute of Plant Genetics and Crop Plant Research


Website: http://www.ipk-gatersleben.de

Published: June 11, 2021

The news item on this page is copyright by the organization where it originated
Fair use notice


Copyright @ 1992-2021 SeedQuest - All rights reserved