Integrated Breeding in  Dryland Cereals @ ICRISATStefania Grando on behalf of the Research Program

4th International Workshop on Next Generation Genomics and Integrated Breeding for Crop Improvement

February 19– 21, 2013 

ICRISAT Headquarters, Patancheru, India

• Essential staple for poor smallholder farmers in some of the most marginal areas of the world

• Lack of choices of crops• Food and nutritional security• Multiple uses • Poor market opportunities• Several production constraints

Dryland Cereals Increasing productivity to help end hunger

Focus countries  

SA WCA ESA

Millet India (11.3 m ha) Niger (6.9)Nigeria (4.1)Mali (1.5)Burkina Faso (1.4)Senegal (1.0)

Sudan (2.2)Uganda (0.5)

Sorghum India (7.7) Nigeria (5.7)Burkina Faso (1.8)Mali (1.1)

Sudan (6.3)Ethiopia (1.6)Tanzania (0.9)Mozambique (0.5)

• World’s largest collections of sorghum and millets genetic resources

• Exploiting within‐crop diversity• Effective and efficient transfer of traits 

of interest from genetic resources into varieties

• Breeding for yield potential, biotic and abiotic stress resistances, nutritional quality, multiple uses

• Policy research on sorghum and millet commodity and seed issues

Longstanding commitment on sorghum and millet research 

• Genomic tools (QTL, genome sequencing, MABC, GS, MAS)

• Harnessing genetic resources

• Precise phenotyping• Data management and analysis platforms

Enhance breeding efficiency

Impact of HHB 67 Improved

• First marker‐assisted field crop bred in the public domain to reach farmers’ fields in India

• Cultivated in 875,000 ha in 2011 • Net additional benefits to farmers in 

Haryana in 2011 reached US$ 13.5 million.

• Seed production of HHB 67 Improved provided net income of US$ 6.4 million in 2011 to smallholder seed producers in Andhra Pradesh and Gujarat

• Generated at least 900,000 person days of employment (45% for women)

• Partnership with ARC, University of Khartoum, in Sudan

• Three released OPVs ‐susceptible

• Five striga resistance QTLs

• Role of the QTLs validated in the field

• Four lines released in Sudan

Molecular breeding for Strigaresistance

• Six QTLs for stay‐green • Introgression in two diverse genetic backgrounds 

• QTL role validated with field evaluation and lysimetric system

• 2 QTLs effective across genetic background

Molecular breeding for stay‐green trait

Sorghum• Genome sequenced (Paterson et al., 

2009)• Re‐sequencing efforts 

– QAFFI, Australia group – mostly breeding lines

– CIRAD, France – domestication studies– University of Georgia, USA – racial diversity 

and transcriptomes for improved annotations

• Very little or no re‐sequencing efforts relevant to food and feed research

• Genotyping‐by‐Sequencing • Several applications – genetic diversity to 

genomic selection

Sorghum GbS current status

Chromosome No of SNPs

1 83,4602 74,1923 74,9764 64,1995 52,4016 51,6337 28,1538 30,2219 48,14310 49,595Total 556,973

Material N of lines/RILs

Reference set  384Mini core collection  243

Sorghum Association Panel  410Mapping populations  3800Sweet sorghum lines 109B‐ and R‐ lines  350Photoperiod sensitive material  140Mali sorghum lines 240Other germplasm 3000Total Accessions 7173

• Global Diversity of Sorghum: genetic diversity in relation to racial and geographic origin ‐~265,000 SNPs by utilizing GBS approach (Morris et al. PNAS, 2013)

• Genome Wide Association Studies for several target traits such stem borer and pre‐flag leaf plant height

Germplasm Characterization and GWAS by using GBS

Association Mapping by GWAS ‐Grain Fe and Zn 

• Association mapping – 364 samples– 556,973 SNPs

• 45 SNPs associated with grain Fe identified 

• 36 genes related to Fe and Zn concentration identified based on gene search

3 genes 11 genes 16 genes 6 genes

Pearl Millet • Very few molecular markers

– Genomic SSRS ‐152 – EST‐SSRs – 208 – CISP‐ 24 – SNPs‐ 5800

• Genetic maps with low marker densitiesCross Marker loci ReferenceLDG‐1‐B‐10 × ICMP 85410 181 Liu et al, 1994Consensus map 418 Qi et al, 2004ICMB 841‐P3 × 863B‐P2 87 Senthilvel et al, 2008ICMB 841‐P3 × 863B‐P2 196 Pedraza‐Garcia et al, 2010 H 77/833‐2 × PRLT 2/89‐33 321 Supriya et al, 2011Consensus 174  Rajaram et al, 2013

BAC library ‐ John Innes CenterTranscriptomic resourcesLarge genome size

International Pearl Millet Genome Sequencing Consortium

India

Next………..• 500‐600 lines re‐sequenced (landraces, varieties, and parental lines of hybrids from Asia and Africa)

• Completion of genetic maps• Develop Final Assembly• Use BAC sequence and genetic maps

• Downstream analysis• GWAS and heterotic group analysis

• Two mapping populations (LGD‐1‐B‐10 ×ICMB 85410‐P7, and IP 18293‐P152 × Tift 238D1‐P158) under development for identification of QTLs responsible for off‐flavor in pearl millet flour

• Populations segregate for two key enzymes (POD, PPO) responsible for rancidity and off‐flavor

Towards mapping QTLs for flour rancidity 

GPU 28

• Limited genomic resources 

• Several initiatives underway

‒ Molecular marker repository‐new generation sequencing technologies (NGS); ICRISAT & AICSMIP, University of Georgia (UGA)

‒ Transcriptomic and sequencing resources

Finger millet genomics resources

• Genetic map construction ‐cultivated tetraploid finger millet using NGS

• Collaborating with UGA for generating information on A‐genome [Eleusine indica (2n = 18)]

• Sequencing at 5x – 8x coverage

• Transcriptomic resources

• Sequencing data sets

Next………..

Phenotyping for drought adaptation –Lysimetric facility at ICRISAT

A system intended to assess time pattern of water use

Capacity: 2400 small PVC1300 large PVC

major stress patterns

0

0.2

0.4

0.6

0.8

1

0 100 200 300 400 500 600 700 800 900 1000 1100 1200 1300 1400 1500 1600

thermal time (oD)

S/D

vegetative

pre-flowering

post-flowering

post-flowering relieved

mild

Which traits confer advantage in the most frequent environment?

Kholova et al., 2013

Characterization of the stress environments

Environmental patterns

Sorghum area in India

Integrated SNP mining and utilisation pipeline (ISMU)

High‐throughput sequencing analysis

• GBS analysis pipeline

• In collaboration with Cornell University (NSF Bread)

• Workshop held in March 2013

High‐throughput sequencing analysis

The Integrated Breeding Workflow System

Breeding Activities

Parental selectionCrossingPopulation development

GermplasmManagement

Open ProjectSpecify objectivesIdentify teamData resourcesDefine strategy

Project Planning

Experimental DesignFieldbook productionData collectionData loading

GermplasmEvaluation

Marker selectionFingerprintingGenotypingData loading

MolecularAnalysis

Quality AssuranceTrait analysisGenetic AnalysisQTL AnalysisIndex Analysis

DataAnalysis

Selected linesRecombinesRecombination plans

BreedingDecisions

AdministrationProject conf.

Workbenchadministration

&configuration

Breeding Management

System

Trial FieldbookEnvironment characterizationsystem

Field Trial Management

System

GenotypicDataManagementSystem

Samplemanagement

Analytical Tools

Sel. IndicesBreeding App.MARS App.Cross PredictionSimulation

Decision Support Tools

Breeding Applications Analytical Pipeline

Breeding mana.Genealogy mana.Query tools Sample mana.

Data managementStatistical analysisMolecular Genetic

The way forward – enhancing genetic gains• High‐throughput and cost‐effective genotyping platform ‐ efficient use of markers in breeding programs

• Large scale, fully automated phenotypingplatform

• Network of locations, representative of stress scenario, for testing breeding materials

• Enhance the informatics capacity and infrastructure to deploy modern breeding approaches 

This work is undertaken as part of the 

Thank you!

ICRISAT is a member of the CGIAR Consortium