{"id":8191,"date":"2026-04-03T12:19:42","date_gmt":"2026-04-03T12:19:42","guid":{"rendered":"https:\/\/www.proefschriftmaken.nl\/portfolio\/juliusgvexxx\/"},"modified":"2026-04-23T08:58:22","modified_gmt":"2026-04-23T08:58:22","slug":"juliusgvexxx","status":"publish","type":"us_portfolio","link":"https:\/\/www.proefschriftmaken.nl\/en\/portfolio\/juliusgvexxx\/","title":{"rendered":"JuliusGVexxx"},"content":{"rendered":"","protected":false},"excerpt":{"rendered":"","protected":false},"author":8,"featured_media":14054,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_acf_changed":false,"footnotes":""},"us_portfolio_category":[45],"class_list":["post-8191","us_portfolio","type-us_portfolio","status-publish","has-post-thumbnail","hentry","us_portfolio_category-new-template"],"acf":{"naam_van_het_proefschift":"Statistical modeling of phenotypic, pedigree and genomic information for improved genetic evaluation in modern plant breeding","samenvatting":"De toenemende wereldwijde vraag naar voedsel in de context van klimaatverandering is een grote zorg in de 21e eeuw. De ontwikkeling van gewasvari\u00ebteiten met een verbeterd aanpassingsvermogen aan variabele omgevingsomstandigheden kan cruciaal zijn om de voedselvoorziening te waarborgen. Sorghum [Sorghum bicolor (L.) Moench] is een belangrijk graangewas in semi-aride regio's van de wereld en wordt ook wereldwijd geteeld als voer- en bio-energiegewas. De droogtetolerantie maakt het een strategisch gewas voor duurzame graanproductie. Moderne benaderingen binnen de kwantitatieve genetica en statistische modellen, zoals genomisch ondersteunde veredelingstechnieken, bieden nieuwe kansen voor verdere verbeteringen in de productiviteit en het aanpassingsvermogen van gewassen. Vergeleken met andere belangrijke graangewassen zoals ma\u00efs en tarwe, is de toepassing van deze benaderingen bij graansorghum nog grotendeels onverkend. De motivatie voor dit proefschrift is het implementeren van statistische modellen die informatie uit fenotypische, pedigree- en genomische gegevens benutten om de genetische evaluatie en selectie in de sorghumveredeling te verbeteren.\n\nHoofdstuk 2 evalueerde de prestaties van een nieuwe methode voor ruimtelijke analyse van veldexperimenten in de plantenveredeling, gebaseerd op tweedimensionale smoothing met P-splines. Deze methode werd vergeleken met conventionele ruimtelijke modellen door te kijken naar de verbetering in precisie en voorspellingen van genetische effecten in vroege generatie sorghum veredelingsproeven. Het hoofdstuk toont aan dat beide ruimtelijke methoden gelijkwaardige prestaties leverden. Verschillen in modelparameterisering en de voordelen van de nieuwe ruimtelijke aanpak voor routinematige toepassing worden besproken.\n\nIn Hoofdstuk 3 werd de impact van het gebruik van pedigree- en genomische informatie op de voorspellingskwaliteit voor verschillende eigenschappen in sorghum onderzocht. Hiervoor stelt het hoofdstuk voor om BLUP-modellen te gebruiken die gewogen combinaties van pedigree- en genomische verwantschapsmatrices fitten, waarbij de best voorspellende combinatie empirisch wordt ge\u00efdentificeerd in elk voorspellingsscenario. De resultaten lieten zien dat het gebruik van een samengevoegde pedigree-genomische matrix altijd de voorspellende kracht en zuiverheid van de voorspelling verbeterde ten opzichte van conventionele G-BLUP, vooral voor eigenschappen met een lagere erfelijkheid. Op basis van deze resultaten wordt de opname van pedigree-informatie in genomische modellen aanbevolen om voorspellingen te optimaliseren wanneer de additieve variatie niet volledig door markers wordt verklaard.\n\nHoofdstuk 4 presenteert een uitbreiding van de studie in Hoofdstuk 3 naar de context van multi-trait genomische voorspelling. Concreet hebben we het vermogen van multi-trait modellen beoordeeld om genomische voorspellingen voor graanopbrengst en stay-green in sorghum te verbeteren door gebruik te maken van informatie van gecorreleerde secundaire eigenschappen. Over het algemeen toonden de resultaten aan dat genomische voorspelling voor beide doeleigenschappen kan worden verbeterd door informatie van specifieke sets eigenschappen te combineren. Voorspellingen van conventionele multi-trait G-BLUP werden ook geoptimaliseerd door pedigree- en genomische informatie te combineren.\n\nHoofdstuk 5 onderzocht het effect van het modelleren van genotype-bij-milieu-interactie (G\u00d7E) op de genomische voorspelling voor graanopbrengst in droogte-stress en niet-stress omgevingen. Resultaten gaven aan dat het accommoderen van G\u00d7E in genomische modellen gunstig was om de kwaliteit van de voorspelling voor zowel specifieke adaptatie als brede adaptatie aan beide typen omgevingen te verbeteren. Dit hoofdstuk testte ook of betere genomische voorspellingen kunnen worden verkregen door rekening te houden met heterogene varianties van marker-effecten. We vonden dat het wegen van individuele markers op basis van geschatte locus-specifieke varianties zorgde voor aanzienlijke verbeteringen in de voorspellende prestaties van genomische modellen, zelfs voor een grotendeels polygene eigenschap zoals graanopbrengst.\n\nConcluderend behandelt dit proefschrift verschillende uitdagende aspecten die de genetische evaluatie in de moderne sorghumveredeling be\u00efnvloeden. Er zijn diverse statistische modelleringsstrategie\u00ebn voorgesteld en beoordeeld die gebruikmaken van verschillende informatiebronnen. De bevindingen in dit proefschrift zullen naar verwachting bijdragen aan het verhogen van de effici\u00ebntie van selectieschema's, niet alleen voor sorghum maar voor gewassen in het algemeen.","summary":"The increasing global food demand in the context of climate change is a major concern of the 21st century. Developing crop varieties with improved adaptability to variable environmental conditions might be crucial to ensure food supply. Sorghum [Sorghum bicolor (L.) Moench] is a staple cereal crop in semi-arid regions of the world and is also grown worldwide as feed and bioenergy crop. Its drought-tolerance ability makes it a strategic crop for sustainable grain production. Modern approaches to quantitative genetics and statistical models such as genomic-assisted breeding techniques offer new opportunities for further improvements in crop productivity and adaptability. Compared to other major cereal crops such as maize and wheat, the application of these approaches remains largely unexplored for grain sorghum. The motivation of this thesis is to implement statistical models that exploit information from phenotypic, pedigree and genomic data for improving genetic evaluation and selection in sorghum breeding.\n\nChapter 2 assessed the performance of a novel method for spatial analysis of plant breeding field experiments based on two-dimensional smoothing with P-splines. This method was evaluated in comparison with the conventional spatial models by considering the improvement in precision and predictions of genetic effects in early generation sorghum breeding trials. The Chapter shows that both spatial methods produced equivalent performance. Differences in model parameterization as well as the advantages of the new spatial approach for routine application are discussed.\n\nIn Chapter 3, the impact of using pedigree and genomic information on prediction quality was explored for different traits in sorghum. For this, the Chapter proposes to use BLUP models fitting weighted combinations of pedigree and genomic relationship matrices, where the best-predictive combination is identified empirically in each prediction scenario. Results showed that the use of a merged pedigree\u2013genomic matrix always improved predictive ability and unbiasedness of prediction relative to conventional G-BLUP, mainly for the traits with lower heritabilities. Based on these outcomes, the inclusion of pedigree information in genomic models is recommended to optimize predictions when the additive variation is not fully explained by markers.\n\nChapter 4 presents an extension of the study in Chapter 3 to the context of multi-trait genomic prediction. Specifically, we assessed the capacity of multi-trait models to improve genomic prediction for grain yield and stay-green in sorghum by using information from correlated auxiliary traits. In general, results showed that genomic prediction for both target traits can be enhanced by combining information from specific sets of traits. Predictions from conventional multi-trait G-BLUP were also optimized by combining pedigree and genomic information.\n\nChapter 5 investigated the effect of modelling genotype-by-environment interaction (G\u00d7E) on genomic prediction for grain yield in drought-stress and non-stress environments. Results indicated that accommodating G\u00d7E in genomic models was beneficial to improve the quality of prediction for specific adaptation as well as for broad adaptation to both types of environments. This Chapter also tested if better genomic predictions can be obtained by accounting for heterogeneous variances of marker effects. We found that weighting individual markers based on estimated locus-specific variances produced important improvements in predictive performance of genomic models, even for a largely polygenic trait such as grain yield.\n\nTo conclude, this thesis deals with different challenging aspects that may affect genetic evaluation in modern sorghum breeding. Specifically, several statistical modeling strategies making use of different sources of information have been proposed and assessed. The findings presented in this thesis are expected to contribute to increase the efficiency of selection schemes not only for sorghum but for crops in general.","auteur":"JuliusGVexxx","auteur_slug":"juliusgvexxx","publicatiedatum":"17 maart 2020","taal":"EN","url_flipbook":"https:\/\/ebook.proefschriftmaken.nl\/ebook\/juliusgvexxx?iframe=true","url_download_pdf":"https:\/\/ebook.proefschriftmaken.nl\/download\/e48dfdba-435e-41ee-b00e-9949f291ee98\/optimized","url_epub":"","ordernummer":"FTP-202604031217","isbn":"978-94-6395-279-8","doi_nummer":"","naam_universiteit":"Wageningen University","afbeeldingen":14054,"naam_student:":"","binnenwerk":"","universiteit":"Wageningen University","cover":"","afwerking":"","cover_afwerking":"","design":""},"_links":{"self":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/8191","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio"}],"about":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/types\/us_portfolio"}],"author":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/comments?post=8191"}],"version-history":[{"count":1,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/8191\/revisions"}],"predecessor-version":[{"id":8194,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/8191\/revisions\/8194"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media\/14054"}],"wp:attachment":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media?parent=8191"}],"wp:term":[{"taxonomy":"us_portfolio_category","embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio_category?post=8191"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}