Prüfung von Pflanzensorten
Um als eingetragene Sorte anerkannt zu werden und in der EU in Verkehr gebracht werden zu können, muss eine Pflanzensorte zunächst sowohl die DUS- als auch die Wertprüfung bestehen. Diese Prüfungen werden in zugelassenen Zentren nach genau überwachten Protokollen durchgeführt (VCU-Prüfung: nationale Protokolle; DUS-Prüfung: CPVO-Protokolle).
DUS
DUS steht für Unterscheidbarkeit, Homogenität und Beständigkeit.
Um als eingetragene Sorte anerkannt zu werden und in der EU in Verkehr gebracht werden zu können, muss eine Pflanzensorte die DUS-Prüfung bestehen. Diese Prüfungen werden in zugelassenen Zentren nach genau überwachten Protokollen gemäß den Vorschriften des CPVO durchgeführt.
Unterscheidbar: Eine Sorte kann als unterscheidbar beschrieben werden, wenn eines oder mehrere der wichtigen Merkmale, die als Merkmale bezeichnet werden, die im Verlauf der Evaluation beobachtet werden, sich von jeder anderen Sorte unterscheiden, deren Existenz allgemein bekannt ist.
Homogen: Diese Prüfung erfordert, dass die gemessenen Merkmale mehrerer Einzelpflanzen ähnlich sind (vorbehaltlich der Variation, die aufgrund der besonderen Merkmale ihrer Vermehrung zu erwarten ist) oder genetisch identisch in ihren relevanten Merkmalen.
Beständig: Diese Prüfung ist bestanden, wenn wichtige Merkmale nach wiederholter Vermehrung ihrer ursprünglichen Beschreibung entsprechen oder, im Falle eines bestimmten Vermehrungszyklus, am Ende jedes dieser Zyklen.
Die DUS-Prüfung findet über mindestens zwei Wachstumsperioden statt.
VCU
VCU steht für Value for Cultivation and Use (Wert für Anbau und Nutzung).
Diese Prüfung dient dazu festzustellen, ob eine neue Pflanzensorte einen signifikanten Vorteil gegenüber bestehenden eingetragenen Sorten aufweist, und ihre agronomische Leistung zu bewerten. Die Bewertung der Sorten erfolgt über mindestens zwei Aussaaten und oft an mehreren Standorten, um eine robuste Bewertung in einer Reihe von Boden- und Wetterbedingungen zu gewährleisten. Die agronomische Leistung von neuen Pflanzensorten wird im Vergleich zu bekannten „Kontroll“-Sorten bewertet. Die Protokolle für diese Prüfung werden von den nationalen Behörden in jedem Land festgelegt.
Phänomik
Die Phänomik ist die Untersuchung beobachtbarer physikalischer Eigenschaften während der gesamten Lebensdauer einer Pflanze. InnoVar wird die Technologie der Phänomik nutzen, um einige der Engpässe in der Pflanzenwissenschaft zu überwinden. Insbesondere die Tatsache, dass die Feldbedingungen heterogen sind, und die Unfähigkeit, Umweltfaktoren zu kontrollieren, erschweren die Interpretation der Ergebnisse. Um diese Einschränkungen zu beheben, wird InnoVar modernste Phänomik-Technologien für die Sortenprüfung entwickeln und anwenden. Der Einsatz digitaler Technologien wie der drohnenbasierten Feldphänomik, die mit der neuesten Infrarot-Kameratechnologie ausgestattet ist, wird es ermöglichen, Informationen über die Reaktion von Pflanzensorten auf Krankheitsdruck zu erfassen, die für das menschliche Auge nicht sichtbar sind. Bei VCU-Prüfungsprogrammen wird sich InnoVar auf die Merkmale einer Pflanzensorte konzentrieren, die agronomische Vorteile haben, wie Ertrag und Krankheitsresistenz, und bei DUS-Prüfungsprogrammen werden wir Merkmale beurteilen, die Pflanzensorten von anderen Sorten unterscheidbar machen. Unser Ziel ist es, phänomenologische Daten mit hohem Durchsatz genauer zu verwenden, um die Erweiterung und Beschleunigung der Phänotypisierung von DUS- und VCU-Merkmalen zu ermöglichen.
Genomik
SNP-Genotypisierung: misst das Auftreten von Varianten in der DNA, die als Single Nucleotide Polymorphisms (SNPs) bezeichnet werden. Diese häufig auftretenden genetischen Variationen können zu Veränderungen in der Art und Weise führen, wie Pflanzen Gene exprimieren, was zu Veränderungen in den Eigenschaften der Pflanzen führt. Dies ist ein wichtiges Hilfsmittel für die Sortenzüchtung, um erwünschte Merkmale gezielt zu beeinflussen und ihre Einführung durch Züchtung zu beschleunigen.
GWAS: Eine genomweite Assoziationsstudie ist eine genomische Studie, bei der das gesamte Genom einer Pflanze auf zuvor definierte SNPs hin beobachtet wird und ermittelt wird, welche SNPs für bestimmte Pflanzenmerkmale verantwortlich oder mit diesen verbunden sein können. Diese Art von Studie kann dazu beitragen, herauszufinden, welche Gene für agronomische Merkmale wichtig sein könnten, und kann uns helfen, deren Vererbung zu verstehen.
InnoVar wird die in den letzten Jahren erzielten Fortschritte in den Genomiktechnologien nutzen, um Sortenprüfungen der nächsten Generation zu entwickeln. Die Projektpartner werden in genomweiten Assoziationsstudien vorhandene und neue SNP-Daten mit Phänotypdaten (Daten über Pflanzenmerkmale) kombinieren, um SNPs und Gene zu identifizieren, die mit den interessierenden Merkmalen wie Kornertrag und Krankheitsresistenz verknüpft sind. Dies wird ein besseres Verständnis der genetischen Grundlage des Pflanzenphänotyps ermöglichen, was zu einer höheren Effizienz der Sortenprüfung führen wird. Diese Methode hat das Potenzial, die Züchtung optimierter Sorten zu verbessern und dadurch die Notwendigkeit der Anwendung von Chemie im landwirtschaftlichen Betrieb zur Verbesserung der Pflanzengesundheit, des Ertrags und der Qualität zu verringern.
Maschinelles Lernen
Das maschinelle Lernen ist ein sich rasch entwickelnder Bereich der Informatik, der in vielen verschiedenen Branchen eingesetzt wird und die Art und Weise revolutioniert, wie wir miteinander kommunizieren, Waren online kaufen, betrügerische Aktivitäten aufdecken und sogar Filmskripte schreiben. Bei Sortenprüfungsprogrammen werden große Mengen unterschiedlicher Daten über Wetter-, Boden- und Pflanzeneigenschaften gesammelt, um maßgeschneiderte Sortenempfehlungen zu geben, die auf die individuellen Umwelt- und Geschäftsanforderungen abgestimmt sind.
Die Beziehungen zwischen Wetter, Boden und Pflanzeneigenschaften sind komplex und nicht vollständig verstanden. InnoVar wird maschinelle Lernansätze auf bestehende und De-novo-Datensätze anwenden, um neue Einblicke in die komplexen Beziehungen bei der Prüfung von Pflanzensorten über mehrere Länder, Klimazonen und Wetterbedingungen hinweg zu gewinnen. Dies wird die Kraft großer Daten nutzen, um die aktuellen Sortenempfehlungen zu verbessern und den Landwirten individuellere Empfehlungen zu geben, die auf die individuellen Wetter-, Boden- und Betriebsbedingungen abgestimmt sind.