Integrating genomics with adaptive and quality traits in Mediterranean bread wheat: genetic insights from landraces to modern breeding

Abstract

El blat fariner (Triticum aestivum L.) és un dels cultius més importants del món, però els efectes del canvi climàtic poden reduir la productivitat, especialment en zones com la Conca Mediterrània, on la major part de la producció és en condicions de secà. Davant aquest context, l’objectiu principal d’aquesta tesi és generar coneixement científic que permeti desenvolupar noves varietats de blat amb més qualitat i resiliència davant episodis de sequera i calor, cada vegada més freqüents en aquesta regió. Per assolir aquest objectiu, s’ha utilitzat una col·lecció de varietats tradicionals Mediterrànies i s’han aplicat estudis d’associació genòmica (GWAS) centrats en caràcters relacionats amb el clima mitjançant envGWAS. A més, s’ha utilitzat eigenGWAS per estudiar l’estructura genètica de la col·lecció, i s’han dut a terme anàlisis de sintènia amb espècies model com Brachypodium, arròs i blat de moro. Aquests anàlisis han permès identificar regions genòmiques conservades evolutivament, fet que subratlla la seva rellevància funcional. A partir d’aquests resultats, es van realitzar assaigs de camp durant dos anys, en els quals es van avaluar 15 caràcters agronòmics i de qualitat en el mateix panell, cosa que va permetre identificar QTL d’interès per a caràcters com el contingut de proteïna, el rendiment, el volum del pa i la reologia de la massa. Es van identificar gens candidats, i les anàlisis in silico de dades de RNAseq van revelar l’expressió específica d’alguns d’aquests en el gra, fet que destaca la importància d’aquestes varietats tradicionals per a la millora del blat modern. Mitjançant estudis de predicció genòmica amb RR-BLUP es van obtenir precisions en les prediccions de moderades a altes; a més, l’estudi de regressió multivariant va resultar eficaç per predir trets complexos com el volum de la massa. També es va analitzar la variabilitat genètica en loci de qualitat, com les subunitats de glutenina d’alt pes molecular (HMW-GS) als loci GLU-A1, GLU-B1 i GLU-D1. Es van identificar 35 variants al·lèliques diferents, incloent-hi al·lels rars, nous i nuls, totes amb efectes significatius sobre la força del gluten, les propietats viscoelàstiques de la massa i el rendiment en panificació. Es van identificar també set genotips de puroindolines, amb dues noves mutacions al locus PINB-D1, i es va trobar una variant del gen WBM (GWseqVar3) en 12 varietats locals, associada a un millor volum de la massa i una major força del gluten. Finalment, es van dur a terme assaigs de selecció genòmica en condicions de regadiu i secà amb línies del programa de millora de l’IRTA i varietats comercials utilitzades com a parentals en aquest programa. Es van comparar mètodes clàssics (RR-BLUP), enfocaments semiparamètrics i tècniques de machine learning. Mentre que els models lineals van funcionar bé per a caràcters simples, els mètodes de machine learning van obtenir millors resultats per a caràcters complexos com el rendiment en condicions de sequera. La validació i la integració de dades entre diferents condicions ambientals van millorar l’estabilitat i la precisió de les prediccions. Per tant, aquest treball destaca el valor de les varietats tradicionals Mediterrànies com a recursos genètics únics per afrontar els reptes del canvi climàtic. La integració d’anàlisis genòmics, eines predictives i assaigs en ambients diversos facilitarà la millora dirigida de varietats de blat fariner d’alta qualitat i resilients al clima, contribuint significativament a una producció sostenible a la conca mediterrània i altres regions afectades per la sequera.

El trigo harinero (Triticum aestivum L.) es uno de los cultivos más importantes del mundo, pero los efectos del cambio climático pueden disminuir su productividad, especialmente en zonas como la Cuenca Mediterránea, donde la mayor parte de la producción se realiza en condiciones de secano. Ante este contexto, el objetivo principal de esta tesis es generar conocimiento científico que permita desarrollar nuevas variedades de trigo con mayor calidad y resiliencia frente a episodios de sequía y calor, cada vez más frecuentes en esta región. Para alcanzar este objetivo, se utilizó una colección de variedades locales mediterráneas y se aplicaron estudios de asociación genómica (GWAS) centrados en caracteres relacionados con el clima mediante envGWAS. Además, se utilizó eigenGWAS para estudiar la estructura genética de la colección, y se realizaron análisis de sintenia con especies modelo como Brachypodium, arroz y maíz. Estos análisis permitieron identificar regiones genómicas conservadas evolutivamente, lo que subraya su relevancia funcional. A partir de estos resultados, se realizaron ensayos de campo durante dos años en los que se evaluaron 15 caracteres agronómicos y de calidad en el mismo panel, lo que permitió identificar QTL de interés para caracteres como el contenido en proteína, rendimiento, volumen del pan y la reología de la masa. Se identificaron genes candidatos y los análisis in silico de datos de RNAseq revelaron la expresión específica de algunos de ellos en el grano, destacando la importancia particular de estas variedades tradicionales para la mejora del trigo moderno. Mediante estudios de predicción genómica usando RR-BLUP se obtuvieron precisiones en la predicción de moderadas a altas, además, el estudio de regresión multivariante resulto eficaz para predecir rasgos complejos como el volumen de la masa. También se analizó la variabilidad genética en loci de calidad, como las subunidades de glutenina de alto peso molecular (HMW-GS) en los loci GLU-A1, GLU-B1 y GLU-D1. Se identificaron 35 variantes alélicas distintas, incluyendo alelos raros, novedosos y nulos, todas con efectos significativos para la fuerza del gluten, las propiedades viscoelásticas de la masa y el rendimiento en panificación. Se identificaron también siete genotipos de puroindolinas, con dos nuevas mutaciones en el locus PINB-D1, y se encontró una variante del gen WBM (GWseqVar3) en 12 variedades locales, asociada a un mejor volumen de la masa y mayor fuerza del gluten. Finalmente, se llevaron a cabo ensayos de selección genómica en condiciones de regadío y secano con líneas del programa de mejora del IRTA y variedades comerciales usadas como parentales en dicho programa. Se compararon métodos clásicos (RR-BLUP), semiparamétricos y técnicas de machine learning. Mientras que los modelos lineales funcionaron bien para caracteres simples, los métodos de machine learning obtuvieron mejores resultados para caracteres complejos como el rendimiento en condiciones de sequía. La validación y la integración de datos entre las distintas condiciones ambientales mejoraron la estabilidad y precisión de las predicciones. Por lo tanto, este trabajo destaca el valor de las variedades tradicionales Mediterráneas como recursos genéticos únicos para afrontar los retos del cambio climático. La integración de análisis genómicos, herramientas predictivas y ensayos en ambientes distintos facilitará la mejora dirigida de variedades de trigo harinero de alta calidad y resilientes al clima, contribuyendo significativamente a una producción sostenible en la cuenca mediterránea y otras regiones afectadas por la sequía.

Bread wheat (Triticum aestivum L.) is one of the world’s most important crops, but the effects of climate change can decrease its productivity, especially in areas like the Mediterranean basin where most of the production is carried out under rainfed conditions. The main objective of this thesis is to provide scientific knowledge to develop the next generation of bread wheat cultivars with increased quality and resilience to the most frequent drought and heat episodes predicted for the Mediterranean basin. To achieve this objective, we will explore the genetic architecture in a collection of Mediterranean landraces for environmental related traits by means of environmental GWAS and its relatedness by eigen GWAS. Synteny analysis with Brachypodium, rice, and maize revealed orthologous QTL regions, highlighting the evolutionary conservation and functional significance of these loci. Building on this foundation, multi-year field trials evaluated 15 agronomic and quality traits in the same panel, resulting in the identification of QTL hotspots for traits such as grain protein, grain yield, loaf volume, and dough rheology. Candidate genes were uncovered and in silico analyses of RNAseq data revealed specific expression of some of them in the grain, highlighting the particular importance of these ancient genotypes for modern wheat improvement. Genomic predictions using phenotypic and SNP data achieved moderate to high accuracies using RR-BLUP, while multivariate regression modeling reliably forecasted loaf volume. Moreover, focused analysis of key end-use quality loci revealed 35 distinct allelic variants of high molecular weight glutenin subunits (HMW-GS) across the GLU-A1, GLU-B1, and GLU-D1 loci. Predominant subunits were complemented by rare and novel alleles, as well as null variants, all of which were significantly linked to improvements in gluten strength, dough viscoelastic properties, and baking performance. Seven puroindoline genotypes were identified, including two novel mutations at the PINB-D1 locus. Additionally, a wheat bread-making (WBM) gene variant (GWseqVar3) found in 12 landraces was correlated with enhanced loaf volume and gluten strength, providing further genetic resources for quality improvement. Finally, genomic selection (GS) trials were conducted using modern lines and commercial cultivars from the IRTA breeding program. Under both irrigation and rainfed conditions, multiple GS methods were assessed, including classical linear models, semi-parametric approaches, and machine learning. While RR-BLUP displayed stable high predictive accuracies for relatively simpler traits, machine learning approaches outperformed for a complex trait such as grain yield under drought conditions. Integrating data across conditions further enhanced model performance. Collectively, these findings highlight Mediterranean wheat landraces as unique genetic resources for enhancing drought resilience and improving end-use quality. By integrating multi-environmental GWAS, functional gene annotation, and innovative predictive modelling, these studies offer a robust framework and practical tools for breeding wheat adapted to the increasing climatic challenges of the Mediterranean basin and beyond. In conclusion, this research provides valuable genetic insights, novel candidate genes, and robust genomic tools that will facilitate the targeted breeding of climate- resilient and high-quality bread wheat cultivars, significantly contributing to sustainable wheat production in the Mediterranean basin and other drought-prone regions.