Określenie „Breeding 2.0” nie jest formalnym terminem naukowym opisującym konkretną metodę hodowli roślin. Znacznie częściej funkcjonuje jako zbiorcza, częściowo marketingowa nazwa nowoczesnego podejścia do hodowli wykorzystującego genotypowanie, markery molekularne, mapowanie QTL, GWAS, genomic selection, bioinformatykę, kultury in vitro, a w najbardziej zaawansowanych programach również genomikę funkcjonalną i edycję genomu.
W przypadku Cannabis sativa L. pojawienie się takich metod jest jednak czymś więcej niż zmianą języka marketingowego.
Konopie są interesującym przykładem gatunku, w którym technologia genomiczna rozwija się szybciej niż infrastruktura klasycznej hodowli naukowej, częściowo dlatego, że przez dekady badania były ograniczane prawnie. W rezultacie genomika gatunku pozostawała w tyle za takimi roślinami jak kukurydza, pszenica, soja czy pomidor. Współczesne przeglądy literatury nadal wskazują regulacje, ograniczoną charakterystykę zasobów genetycznych, złożoność genomu oraz niedostateczne fenotypowanie jako bariery rozwoju hodowli konopi.
Dlatego pytanie nie brzmi już:
„Czy można stosować nowoczesną genomikę w hodowli Cannabis?”
Można.
Znacznie ciekawsze jest pytanie:
co genomika rzeczywiście potrafi przewidzieć i poprawić, a gdzie kończy się nauka i zaczyna marketing?
1. Od fenotypu do genotypu
Podstawowym materiałem pracy hodowcy pozostaje zmienność genetyczna.
Krzyżowanie dwóch genotypów prowadzi do rekombinacji alleli i powstania potomstwa wykazującego określony rozkład cech. Hodowca wybiera następnie osobniki posiadające najbardziej pożądaną kombinację właściwości i wykorzystuje je w kolejnych generacjach.
Klasyczna selekcja opiera się przede wszystkim na fenotypie.
W uproszczonym modelu można zapisać:
P = G + E + G×E
gdzie:
- P oznacza fenotyp,
- G – komponent genetyczny,
- E – wpływ środowiska,
- G×E – interakcję genotyp × środowisko.
To równanie pokazuje podstawowy problem hodowli.
To, co widzimy w roślinie, nie jest prostym odczytem jej DNA.
Fenotyp jest wynikiem działania genotypu w określonym środowisku.
Dlatego roślina wyróżniająca się w jednej lokalizacji, systemie produkcji lub warunkach środowiskowych nie musi zachowywać identycznej przewagi w innych warunkach.
Nowoczesny breeding nie eliminuje tego problemu.
Próbuje natomiast uzyskać dodatkową informację o komponencie G, zanim cały fenotyp zostanie ujawniony.
2. Marker-Assisted Selection – selekcja wspomagana markerami
Najbardziej klasycznym przykładem molecular breeding jest Marker-Assisted Selection (MAS).
Marker molekularny jest możliwym do wykrycia wariantem DNA związanym bezpośrednio lub pośrednio z interesującym hodowcę allelem bądź regionem genomu.
Jeżeli związek marker–cecha jest odpowiednio silny i został zwalidowany w danej populacji, można wykorzystać genotypowanie jako kryterium selekcji.
Nie trzeba więc zawsze czekać, aż cecha zostanie fenotypowo ujawniona.
Chemotyp THC/CBD jako modelowy przykład
Genetyczne uwarunkowanie chemotypu Cannabis jest jednym z najlepiej poznanych przykładów potencjalnego wykorzystania MAS.
Klasyczne badania segregacji wykazały dziedziczenie głównych chemotypów zgodne z modelem locus B, w którym allele związane z produkcją CBDA i THCA zachowują się kodominująco. W populacjach F2 obserwowano segregację chemotypów zbliżoną do proporcji 1:2:1.
Późniejsza genomika pokazała jednak, że rzeczywista struktura tego regionu jest znacznie bardziej interesująca niż prosty podręcznikowy model dwóch alleli.
Geny THCAS i CBDAS znajdują się w dużych, bogatych w retrotranspozony i silnie zróżnicowanych strukturalnie regionach genomu. Mapowanie fizyczne wykazało również rozległe obszary ograniczonej rekombinacji wokół tych loci.
Najświeższe badania struktury locus B dodatkowo pokazują, że region ten ma charakter wysoce powtarzalny i strukturalnie złożony. Jednocześnie markery znajdujące się wewnątrz locus B mogą bardzo dobrze przewidywać chemotyp, choć ich projektowanie powinno uwzględniać istniejącą zmienność strukturalną.
To ważne, ponieważ pokazuje jednocześnie siłę i ograniczenie MAS.
Możemy stosunkowo wcześnie przewidzieć określony typ chemiczny rośliny.
Nie oznacza to jednak, że poznaliśmy cały jej przyszły fenotyp.
3. Chemotyp to nie to samo co całkowita zawartość kannabinoidów
W marketingu genomiki konopi często dochodzi do pomieszania dwóch różnych problemów.
Pierwszy to:
jakiego rodzaju kannabinoidy będzie preferencyjnie syntetyzowała roślina?
Drugi:
ile ich ostatecznie wyprodukuje?
Nie są to pytania równoważne.
Genetyka związana z THCAS/CBDAS może być bardzo silnym predyktorem proporcji głównych kannabinoidów, ale całkowita zawartość metabolitów jest cechą znacznie bardziej złożoną.
Już mapowanie genetyczne wskazywało inne loci związane z ilością kannabinoidów, niezależnie od głównego locus determinującego chemotyp.
Dlatego stwierdzenie:
„genotypowanie pozwala przewidzieć chemotyp”
może być naukowo dobrze uzasadnione.
Natomiast:
„z DNA młodej siewki wiemy dokładnie, jaki będzie końcowy profil i stężenie metabolitów”
wymagałoby znacznie mocniejszych dowodów.
To rozróżnienie jest fundamentalne dla oceny marketingowych deklaracji breederów.
4. QTL – genetyka przestaje być binarna
Duża część cech agronomicznych nie podlega prostemu dziedziczeniu mendlowskiemu.
Są to cechy ilościowe.
Mogą być kontrolowane przez wiele loci, z których każde wnosi stosunkowo niewielki efekt do ostatecznego fenotypu.
Regiony genomu statystycznie związane ze zmiennością takich cech określamy jako Quantitative Trait Loci – QTL.
W przypadku Cannabis sativa współczesne badania genetyczne obejmują między innymi cechy związane z:
- biosyntezą kannabinoidów,
- terpenami,
- płcią,
- kwitnieniem,
- właściwościami włókna,
- składem nasion,
- odpornością na choroby,
- odpowiedzią na stresy środowiskowe.
Najnowszy przegląd genomiki C. sativa podkreśla, że dla wielu z tych cech mamy do czynienia ze złożonymi sieciami regulacyjnymi, a nie pojedynczymi genami działającymi niezależnie.
I tutaj kończy się prosty świat:
gen → cecha.
Zaczyna się natomiast:
wiele wariantów genetycznych → interakcje → środowisko → fenotyp.
5. GWAS – szukanie statystycznych związków w całym genomie
Kolejnym poziomem jest Genome-Wide Association Study (GWAS).
Zamiast zaczynać od pojedynczego genu, badacz analizuje bardzo dużą liczbę markerów rozsianych po genomie i poszukuje wariantów statystycznie związanych z interesującym fenotypem.
Schemat jest zasadniczo następujący:
genotypowanie populacji → dokładne fenotypowanie → analiza asocjacyjna → identyfikacja regionów kandydackich → walidacja.
GWAS stosuje się już w badaniach nad zmiennością kannabinoidów i terpenów konopi. Współczesne prace wykorzystują duże zestawy markerów SNP do poszukiwania loci związanych ze zmiennością metabolitów.
Ale słowo „asocjacja” jest tutaj kluczowe.
Statystyczne powiązanie markera z cechą nie musi oznaczać, że marker jest jej biologiczną przyczyną.
Dlatego dobry program molecular breeding wymaga walidacji markerów w niezależnych populacjach.
Bez niej spektakularna mapa genomu może być ciekawą publikacją naukową, ale jeszcze niekoniecznie użytecznym narzędziem hodowlanym.
6. Od MAS do Genomic Selection
Jeżeli MAS jest wybieraniem roślin na podstawie kilku szczególnie informacyjnych markerów, Genomic Selection (GS) zmienia filozofię selekcji.
Nie musimy wiedzieć, który pojedynczy gen odpowiada za interesującą nas cechę.
Zamiast tego wykorzystujemy dużą liczbę markerów pokrywających genom.
Najpierw tworzy się populację referencyjną/treningową, dla której dostępne są zarówno:
dane genotypowe
jak i
wysokiej jakości dane fenotypowe.
Model statystyczny uczy się związku pomiędzy genomem a wartością fenotypową.
Następnie dla nowych osobników można wyznaczać Genomic Estimated Breeding Values – GEBV, czyli przewidywaną wartość hodowlaną na podstawie danych genomowych.
Schemat można przedstawić jako:
GENOTYP + FENOTYP → MODEL
następnie:
GENOTYP NOWEJ ROŚLINY → MODEL → GEBV
i dopiero:
GEBV → decyzja selekcyjna.
Genomic selection jest szczególnie interesujący dla cech poligenicznych, ponieważ zamiast ograniczać analizę do kilku loci o dużym efekcie, próbuje wykorzystać informację zawartą w całym genomie.
W literaturze dotyczącej Cannabis GS jest wskazywany jako potencjalnie ważny kierunek rozwoju, ale jego skuteczność zależy między innymi od wielkości populacji, gęstości markerów, jakości fenotypowania oraz zastosowanych modeli statystycznych.
I właśnie tutaj znajduje się jeden z najważniejszych problemów całego „Breeding 2.0”.
7. Wąskim gardłem może nie być genom – tylko fenotyp
Łatwo jest powiedzieć:
„mamy milion markerów SNP”.
Znacznie trudniej zbudować bazę danych zawierającą tysiące dobrze scharakteryzowanych genotypów ocenianych według identycznego protokołu w wielu środowiskach.
A bez dobrego fenotypu nawet doskonały model genomiczny uczy się na niedoskonałych danych.
W języku uczenia maszynowego obowiązuje tutaj stara zasada:
garbage in → garbage out.
Dlatego prawdziwie zaawansowany program hodowlany powinien inwestować nie tylko w sekwencjonowanie.
Równie ważne mogą być:
- standaryzowane doświadczenia,
- replikacje,
- dokładna analityka chemiczna,
- kontrola środowiska,
- pomiary fenotypowe,
- dokumentacja rodowodowa,
- eksperymenty wielośrodowiskowe,
- statystyka ilościowa.
To właśnie połączenie tych elementów tworzy wartość genomiki.
8. Heritability – pytanie, którego marketing zwykle nie zadaje
Kiedy breeder twierdzi, że „selekcjonuje genetycznie” określoną cechę, jednym z najważniejszych pytań powinno być:
jaka jest odziedziczalność tej cechy?
W genetyce ilościowej szczególnie interesująca jest odziedziczalność w wąskim sensie:
h² = Vₐ / Vₚ
gdzie:
- Vₐ oznacza addytywną wariancję genetyczną,
- Vₚ – całkowitą wariancję fenotypową.
Im większa część obserwowanej zmienności wynika z dziedzicznej wariancji genetycznej, tym większy potencjał odpowiedzi populacji na selekcję.
Możemy to przedstawić klasycznym równaniem hodowlanym:
R = h²S
gdzie:
- R to odpowiedź na selekcję,
- h² – odziedziczalność,
- S – różnica selekcyjna.
To znacznie mniej efektowne marketingowo niż napis:
GENOMIC BREEDING TECHNOLOGY™
ale z punktu widzenia hodowcy pytanie o wariancję genetyczną, odziedziczalność i odpowiedź na selekcję jest fundamentalne.
9. Genotyp × środowisko – problem, którego sekwenator nie usuwa
Nawet bardzo wysoka wartość hodowlana nie oznacza identycznego fenotypu w każdym środowisku.
Jeżeli genotypy reagują różnie na zmianę środowiska, pojawia się interakcja G×E.
Dla praktycznej hodowli ma to ogromne znaczenie.
Genotyp A może przewyższać genotyp B w środowisku E1, ale w środowisku E2 sytuacja może się odwrócić.
Dlatego końcowym testem odmiany nadal pozostaje fenotypowanie w reprezentatywnych warunkach.
Genomika może zwiększać efektywność wcześniejszych etapów selekcji.
Nie może natomiast sprawić, że środowisko przestanie istnieć.
10. Pangenom – dlaczego jeden genom referencyjny może nie wystarczyć
Kolejnym etapem rozwoju genomiki Cannabis jest odejście od myślenia o gatunku przez pryzmat jednej sekwencji referencyjnej.
Genomy różnych genotypów nie różnią się wyłącznie pojedynczymi SNP.
Występują również:
- insercje,
- delecje,
- duplikacje,
- zmiany liczby kopii,
- rearanżacje strukturalne,
- obecność lub brak całych fragmentów DNA.
Dlatego coraz większego znaczenia nabiera koncepcja pangenomu, czyli reprezentacji zmienności genomowej całego gatunku zamiast pojedynczego liniowego genomu referencyjnego.
Najnowsze opracowania dotyczące Cannabis sativa wskazują właśnie rozwój zasobów pangenomicznych jako jeden z ważnych kierunków dalszych badań.
Jest to szczególnie istotne w gatunku o dużej zmienności strukturalnej, czego znakomitym przykładem jest locus związany z THCAS/CBDAS.
Paradoksalnie oznacza to, że im więcej dowiadujemy się o genomie konopi, tym mniej przekonująco brzmią proste marketingowe hasła o „genie odpowiadającym za cechę X”.
Biologia okazuje się bardziej skomplikowana.
11. Tissue culture nie jest selekcją genomową
Kultury tkankowe są często umieszczane obok MAS i genomic selection jako element „Breeding 2.0”.
Technicznie należy jednak rozdzielić te zagadnienia.
Micropropagation umożliwia namnażanie materiału roślinnego in vitro.
Kultury merystematyczne mogą być elementem procedur sanitarnych i zachowania wartościowych genotypów.
Regeneracja in vitro jest natomiast jednym z kluczowych problemów, który trzeba rozwiązać, aby skutecznie stosować transformację i część technik genome editing.
Literatura dotycząca nowych technik hodowlanych w Cannabis wskazuje właśnie regenerację roślin z transformowanych komórek jako jedno z głównych ograniczeń rozwoju inżynierii genetycznej tego gatunku.
Tissue culture jest więc platformą technologiczną.
Samo w sobie nie oznacza jednak, że prowadzona jest selekcja genomowa ani że firma tworzy bardziej zaawansowane genetycznie odmiany.
12. Genome editing – krok dalej niż selekcja
MAS, QTL i genomic selection zasadniczo pomagają breederowi wybierać istniejącą zmienność genetyczną.
Genome editing zmienia reguły.
Technologie takie jak CRISPR/Cas umożliwiają celowaną modyfikację określonych sekwencji genomu.
Teoretycznie otwiera to możliwość:
identyfikacja genu → potwierdzenie funkcji → zaprojektowanie modyfikacji → edycja → regeneracja rośliny → walidacja fenotypu.
To jednak znacznie trudniejsze niż napisanie „CRISPR-ready” w prezentacji inwestorskiej.
Potrzebna jest znajomość funkcji genu, skuteczny system dostarczenia komponentów edycyjnych, regeneracja roślin oraz potwierdzenie stabilności i konsekwencji modyfikacji.
Współczesne przeglądy wymieniają CRISPR/Cas9, transient expression oraz VIGS jako rozwijające się narzędzia genomiki funkcjonalnej Cannabis, ale jednocześnie podkreślają bariery techniczne.
Dlatego genome editing należy traktować jako przyszłościowo bardzo ważny element nowoczesnego breedingu, ale nie jako rutynową technologię stojącą obecnie za każdą „genetyką nowej generacji”.
13. A gdzie w tym wszystkim znajduje się AI?
Naturalnym kolejnym hasłem jest:
AI-assisted breeding.
Tutaj należy być szczególnie ostrożnym.
Machine learning rzeczywiście może znaleźć zastosowanie przy:
- genomic prediction,
- analizie obrazów fenotypowych,
- klasyfikacji,
- integracji danych omicznych,
- modelowaniu G×E,
- optymalizacji decyzji selekcyjnych.
Ale „AI” nie jest źródłem informacji biologicznej.
Model potrzebuje danych.
Jeżeli dane treningowe są niewielkie, niereprezentatywne albo źle fenotypowane, bardzo skomplikowany algorytm nie rozwiąże problemu.
Dlatego pytanie:
„Czy wykorzystujecie AI?”
ma niewielką wartość.
Znacznie lepsze pytania brzmią:
Co przewiduje model?
Na ilu genotypach został wytrenowany?
Ile markerów wykorzystuje?
Jak wykonano walidację?
Jaka jest dokładność predykcji w niezależnym zbiorze?
Czy model został sprawdzony w kolejnych generacjach i środowiskach?
Dopiero odpowiedzi na takie pytania pozwalają ocenić technologię.
14. Breeding 2.0 można zmierzyć
Jeżeli więc chcemy stworzyć naukową definicję tego marketingowego pojęcia, można zaproponować kilka poziomów.
Poziom 0 – selekcja fenotypowa
Krzyżowanie, obserwacja potomstwa, selekcja fenotypów i testowanie kolejnych generacji.
Poziom 1 – molecular breeding
Do selekcji włączone zostają zwalidowane markery molekularne związane z konkretnymi cechami.
Poziom 2 – quantitative genomics
Program wykorzystuje mapowanie QTL, GWAS oraz rozbudowane genotypowanie populacji.
Poziom 3 – genomic breeding
Decyzje selekcyjne wykorzystują modele genomic prediction/GEBV oparte na populacjach treningowych posiadających zarówno dane genotypowe, jak i fenotypowe.
Poziom 4 – integrated predictive breeding
Łączone są dane genomowe, fenotypowe, środowiskowe i potencjalnie inne warstwy „omics”, a modele są regularnie aktualizowane i walidowane na kolejnych generacjach.
To nie jest oficjalna klasyfikacja naukowa.
Ale byłaby znacznie bardziej informacyjna niż samo określenie:
Breeding 2.0.
15. Jak naukowo zweryfikować firmę twierdzącą, że stosuje Breeding 2.0?
Można zapomnieć na chwilę o zdjęciach laboratoriów i zadać kilka pytań.
Jak duża jest populacja treningowa?
Nie liczba odmian w katalogu.
Liczba genotypów posiadających równocześnie dane genotypowe i fenotypowe.
Jak wykonywane jest fenotypowanie?
Czy istnieje standaryzowany protokół?
Czy doświadczenia mają replikacje?
Czy prowadzone są w więcej niż jednym środowisku?
Jakie markery wykorzystuje MAS?
Dla jakich cech?
Jakie jest linkage pomiędzy markerem a locus?
Czy marker został zwalidowany we własnym germplasmie firmy?
Jak dokładny jest genomic prediction?
Nie wystarczy powiedzieć, że istnieje „algorytm”.
Potrzebne są miary jakości predykcji.
Jak przeprowadzana jest walidacja?
Model sprawdzony na tych samych danych, na których został zbudowany, nie daje wystarczającego dowodu wartości hodowlanej.
Czy genomika rzeczywiście wpływa na decyzje selekcyjne?
To być może najważniejsze pytanie.
Firma może sekwencjonować swoje odmiany wyłącznie w celach identyfikacyjnych.
To jeszcze nie oznacza genomic breeding.
16. Najważniejsza różnica: genotyping ≠ genomic breeding
Można wysłać próbkę liścia do laboratorium.
Można otrzymać tysiące markerów.
Można stworzyć efektowną mapę PCA pokazującą pokrewieństwo odmian.
Można nawet posiadać pełne sekwencje genomów.
I nadal nie prowadzić programu genomic selection.
Genotyping dostarcza danych.
Breeding wymaga wykorzystania tych danych do podejmowania decyzji selekcyjnych, a następnie sprawdzenia, czy decyzje rzeczywiście zwiększają postęp genetyczny.
Dlatego:
sequencing ≠ breeding
genotyping ≠ MAS
GWAS ≠ validated marker
marker ≠ causal gene
AI ≠ genomic prediction
tissue culture ≠ genetic improvement
genomic prediction ≠ phenotypic validation
To siedem rozróżnień, które pozwalają odsiewać znaczną część marketingu.
17. Czy Breeding 2.0 może rzeczywiście przyspieszyć hodowlę?
Tak.
I właśnie dlatego nie należy odrzucać tego pojęcia wyłącznie jako marketingowego buzzwordu.
W klasycznym programie hodowlanym ograniczeniem jest między innymi czas potrzebny na uzyskanie fenotypu oraz liczba osobników, które można fizycznie ocenić.
Jeżeli część selekcji można przeprowadzić wcześniej na podstawie markerów albo wartości genomowej, możliwe staje się zwiększenie intensywności selekcji i skrócenie części cyklu hodowlanego.
W uproszczeniu tempo postępu genetycznego można opisać zależnością:
ΔG ∝ (i × r × σₐ) / L
gdzie:
- i – intensywność selekcji,
- r – dokładność selekcji,
- σₐ – addytywne odchylenie genetyczne,
- L – długość cyklu/generacji selekcyjnej.
Nowoczesne narzędzia hodowlane mają sens wtedy, kiedy poprawiają przynajmniej jeden z tych parametrów.
Na przykład:
- zwiększają dokładność wyboru rodziców,
- pozwalają analizować większe populacje,
- umożliwiają wcześniejszą selekcję,
- skracają cykl,
- zwiększają prawdopodobieństwo zachowania pożądanych alleli.
To jest znacznie lepsza definicja postępu niż liczba technologicznych skrótów na stronie producenta.
18. Największą technologią Breeding 2.0 mogą okazać się… dobre dane
Sekwencjonowanie DNA stało się relatywnie dostępne.
Analizy SNP można zlecić.
Moc obliczeniową można kupić w chmurze.
Modele statystyczne i biblioteki machine learning są powszechnie dostępne.
Znacznie trudniej kupić dziesięć lat dobrze udokumentowanego programu hodowlanego.
Trudno odtworzyć:
- rodowody,
- populacje segregujące,
- wyniki doświadczeń,
- dane z kolejnych generacji,
- dokładne profile chemiczne,
- wyniki doświadczeń wielośrodowiskowych,
- informacje o stabilności cech,
- historię decyzji selekcyjnych.
I właśnie taki zbiór danych może z czasem stać się najcenniejszym aktywem nowoczesnej firmy hodowlanej.
Nie sam sekwenator.
Nie samo AI.
Nie nawet pojedynczy marker.
Dane łączące genotyp z wiarygodnie zmierzonym fenotypem.
19. Breeding 2.0 nie zabija klasycznego breedingu
Największym błędem byłoby przedstawienie historii nowoczesnej hodowli jako wojny:
tradycyjny breeder kontra naukowiec z laboratorium.
Najbardziej zaawansowany model jest dokładnie odwrotny.
Potrzebuje obu.
Fenotyp mówi nam, co zrobiła roślina.
Genotyp pomaga zrozumieć, dlaczego część tej zdolności może być dziedziczna.
Statystyka mówi, jak silny jest związek.
Genomic prediction pomaga przewidywać, które osobniki mają największą wartość hodowlaną.
Doświadczenia kolejnych generacji pokazują, czy przewidywanie było prawidłowe.
To zamknięta pętla:
KRZYŻOWANIE
↓
POPULACJA
↓
GENOTYPOWANIE + FENOTYPOWANIE
↓
MODEL
↓
SELEKCJA
↓
NOWE KRZYŻOWANIA
↓
WALIDACJA
↓
NOWE DANE
↓
LEPSZY MODEL
To właśnie ten cykl – a nie samo posiadanie laboratorium – najbliższy jest naukowej idei „Breeding 2.0”.
20. Wniosek: rewolucją nie jest odczytywanie DNA, lecz możliwość przewidywania
Termin Breeding 2.0 można uznać za marketingowy.
Nie istnieje jedna technologia o tej nazwie.
Ale proces, który próbuje opisać, jest rzeczywisty.
Hodowla Cannabis sativa stopniowo przesuwa się od modelu opartego wyłącznie na obserwacji fenotypu w stronę systemu integrującego genetykę ilościową, genomikę populacyjną, markery molekularne, fenotypowanie, bioinformatykę i modele predykcyjne. Najnowsze przeglądy literatury opisują właśnie integrację marker-assisted selection i genomic selection jako istotny kierunek przyspieszania rozwoju elitarnych genotypów konopi.
Jednocześnie Cannabis nadal nie znajduje się na takim poziomie infrastruktury genomicznej i hodowlanej jak najlepiej przebadane rośliny uprawne. Nadal istnieją problemy związane ze złożonością genomu, reference bias, zmiennością strukturalną, jakością fenotypowania i dostępnością odpowiednio dużych populacji.
Dlatego najbardziej naukowa definicja „Breeding 2.0” nie powinna brzmieć:
hodowla roślin za pomocą DNA.
Lepsza byłaby:
Hodowla predykcyjna, w której informacja fenotypowa i genomowa jest integrowana w celu zwiększenia dokładności selekcji oraz tempa postępu genetycznego.
To znacznie mniej spektakularne niż marketingowa wizja roślin „projektowanych przez AI”.
Ale właśnie tutaj znajduje się prawdziwa rewolucja.
Nie w tym, że komputer zastąpi hodowcę.
Nie w tym, że DNA zastąpi fenotyp.
I nie w tym, że laboratorium zastąpi doświadczenie.
Prawdziwy Breeding 2.0 zaczyna się wtedy, gdy hodowca potrafi połączyć wszystkie te źródła informacji i na ich podstawie przewidzieć wynik krzyżowania lepiej niż wcześniej.
A wartość tego systemu można ostatecznie sprawdzić tylko w jeden sposób:
w kolejnych generacjach roślin.