| 2483 | DRIVE: Datengetriebene und genomeditierte Züchtung lokal angepasster Weizensorten zur Förderung der landwirtschaftlichen Biodiversität, nachhaltigen Klimaresilienz und Ressourceneffizienz | DRIVE: Data-driven and genome-edited breeding of locally-adapted wheat varieties to enhance agricultural biodiversity, sustainable climate resilience, and resource efficiency | 01/11/2024 00:00:00 | 31/10/2028 00:00:00 | laufend | current | Programmbereich 4 „Simulations- und Datenwissenschaften“ | Research Area 4 „Simulation and Data Science“ | x94x32x | Eyshi Rezaei, Ehsan; Pesaran Afsharyan, Nazanin | x2692x3561x | <div class='ntm_PB4'>PB4</div> | | | 2024 | DRIVE: Datengetriebene und genomeditierte Züchtung lokal angepasster Weizensorten zur Förderung der landwirtschaftlichen Biodiversität, nachhaltigen Klimaresilienz und Ressourceneffizienz DRIVE: Data-driven and genome-edited breeding of locally-adapted wheat varieties to enhance agricultural biodiversity, sustainable climate resilience, and resource efficiency Programmbereich 4 „Simulations- und Datenwissenschaften“ Eyshi Rezaei, Ehsan; Pesaran Afsharyan, Nazanin Drittmittel Research Area 4 „Simulation and Data Science“ current laufend <div class="ExternalClassEA046C6EA27D4F1A8A5AEDABC8726F96"><p>Die Datenwissenschaft erweitert viele wirtschaftliche und wissenschaftliche Aktivitäten. Die Pflanzenzüchtung gehörte bisher nicht dazu. Das liegt daran, dass Pflanzenwissenschaftler*innen nicht über Big Data verfügen – kuratierte und maschinenlesbare Datensätze, die groß genug sind, damit künstliche Intelligenz (KI) sie verarbeiten kann. Das DRIVE-Projekt entwickelt eine weltweit einzigartige Data-Trust-Plattform für die Züchtung, wobei Weizen als Modellpflanze dient. Diese Plattform wird Big Data kuratieren und analysieren, um kontrastierende Genotypen und Umweltbedingungen zu identifizieren, mit einem besonderen Fokus auf Genotyp-Umwelt-Interaktionen.Die Plattform wird mit umfangreichen, maschinenlesbaren genomischen, phänotypischen und umweltbezogenen Daten aus sieben Züchtungsprogrammen gefüllt. Diese Daten werden genutzt, um prozessbasierte Pflanzenmodelle zu entwickeln, die in genomweite Vorhersagen integriert werden. KI-Methoden werden Genotyp-Umwelt-Interaktionen vorhersagen, um die Züchtung lokal angepasster Weizensorten zu ermöglichen.Die Modelle werden darauf getestet, ob sie die Pflanzenleistung unter neuen Umweltbedingungen prognostizieren können, wie sie durch den Klimawandel erwartet werden. Dies wird durch die fortschrittliche Phänotypisierungsinfrastruktur am IPK Gatersleben, die PhenoSphere, ermöglicht. Diese kann sowohl aktuelle als auch zukünftige Umweltbedingungen unter feldähnlichen Bedingungen simulieren.Um wertvolle, bislang ungenutzte Variationen für die Weizenzüchtung zu erschließen, werden moderne Genomeditierungstechniken eingesetzt. Damit können spezifische Allele übertragen werden, insbesondere neue Resistenzgene, die im Züchtungsprozess möglicherweise verloren gegangen sind.<br></p></div> <div class="ExternalClass464B51733703497EBD1FED3EE28B9AB4"><p>Data science augments many economic and scientific activities. Plant breeding has not been one of them yet. That is because crop scientists lack Big Data, curated and machine-readable datasets large enough for artificial intelligence (AI) to crunch. The DRIVE project is developing a globally unique data trust platform for breeding, using wheat as a model. The platform will curate and analyze big data to identify contrasting genotypes and environments, focusing on genotype-environment interactions. It will be populated with extensive, machine-readable genomic, phenotypic, and environmental data from seven breeding programs. This data will be utilized to develop process-based plant models, which will be integrated into genome-wide predictions. Artificial intelligence methods will predict genotype-environment interactions, enabling the breeding of locally adapted wheat varieties. The models will be tested for their ability to predict plant performance under new environmental conditions that are anticipated due to climate change. This is made possible by the advanced phenotyping infrastructure at IPK Gatersleben, the PhenoSphere, which can simulate both current and future environments under field-like conditions. To uncover valuable, underutilized variations for wheat breeding, modern genome editing techniques will be employed to transfer specific alleles, primarily for new resistance genes that may have been lost during the breeding process.<br></p></div> DRIVE <div class="ExternalClass6A2895FE-162A-484F-BFB8-06B57FB66D55"></div> <div class="ExternalClass67C348CE-C7CC-4573-95BB-59F59B8231D0"><ul><li>Deutsche Saatveredelung AG</li><li>Gemeinschaft zur Förderung von Pflanzeninnovation e. V.</li><li>infotraX GmbH</li><li>JKI - Julius Kühn Institut</li><li>KWS LOCHOW GMBH</li><li>Leibniz-Institut für Pflanzengenetik und Kulturpflanzenforschung (IPK)</li><li>Max-Planck-Gesellschaft zur Förderung der Wissenschaften </li><li>Nordic Seed Germany GmbH</li><li>RAGT 2n</li><li>Rheinische Friedrich-Wilhelms-Universität Bonn</li><li>Saatzucht Streng-Engelen GmbH & Co. KG</li><li>SECOBRA Saatzucht GmbH</li><li>TUM - Tech GmbH München</li><li>W. von Borries-Eckendorf GmbH & Co. KG</li></ul></div> <div class="ExternalClass5190E4EF-D6B0-4444-8632-52622D5D6369"></div> <div class="ExternalClass800DA7FB-94CC-4D99-87DD-F2AA2391ABCF"></div> <div class="ExternalClassC5306ED6-AF8D-48C4-8ED7-918813CDF315"></div> | <div class="ExternalClassEA046C6EA27D4F1A8A5AEDABC8726F96"><p>Die Datenwissenschaft erweitert viele wirtschaftliche und wissenschaftliche Aktivitäten. Die Pflanzenzüchtung gehörte bisher nicht dazu. Das liegt daran, dass Pflanzenwissenschaftler*innen nicht über Big Data verfügen – kuratierte und maschinenlesbare Datensätze, die groß genug sind, damit künstliche Intelligenz (KI) sie verarbeiten kann. Das DRIVE-Projekt entwickelt eine weltweit einzigartige Data-Trust-Plattform für die Züchtung, wobei Weizen als Modellpflanze dient. Diese Plattform wird Big Data kuratieren und analysieren, um kontrastierende Genotypen und Umweltbedingungen zu identifizieren, mit einem besonderen Fokus auf Genotyp-Umwelt-Interaktionen.Die Plattform wird mit umfangreichen, maschinenlesbaren genomischen, phänotypischen und umweltbezogenen Daten aus sieben Züchtungsprogrammen gefüllt. Diese Daten werden genutzt, um prozessbasierte Pflanzenmodelle zu entwickeln, die in genomweite Vorhersagen integriert werden. KI-Methoden werden Genotyp-Umwelt-Interaktionen vorhersagen, um die Züchtung lokal angepasster Weizensorten zu ermöglichen.Die Modelle werden darauf getestet, ob sie die Pflanzenleistung unter neuen Umweltbedingungen prognostizieren können, wie sie durch den Klimawandel erwartet werden. Dies wird durch die fortschrittliche Phänotypisierungsinfrastruktur am IPK Gatersleben, die PhenoSphere, ermöglicht. Diese kann sowohl aktuelle als auch zukünftige Umweltbedingungen unter feldähnlichen Bedingungen simulieren.Um wertvolle, bislang ungenutzte Variationen für die Weizenzüchtung zu erschließen, werden moderne Genomeditierungstechniken eingesetzt. Damit können spezifische Allele übertragen werden, insbesondere neue Resistenzgene, die im Züchtungsprozess möglicherweise verloren gegangen sind.<br></p></div> | <div class="ExternalClass464B51733703497EBD1FED3EE28B9AB4"><p>Data science augments many economic and scientific activities. Plant breeding has not been one of them yet. That is because crop scientists lack Big Data, curated and machine-readable datasets large enough for artificial intelligence (AI) to crunch. The DRIVE project is developing a globally unique data trust platform for breeding, using wheat as a model. The platform will curate and analyze big data to identify contrasting genotypes and environments, focusing on genotype-environment interactions. It will be populated with extensive, machine-readable genomic, phenotypic, and environmental data from seven breeding programs. This data will be utilized to develop process-based plant models, which will be integrated into genome-wide predictions. Artificial intelligence methods will predict genotype-environment interactions, enabling the breeding of locally adapted wheat varieties. The models will be tested for their ability to predict plant performance under new environmental conditions that are anticipated due to climate change. This is made possible by the advanced phenotyping infrastructure at IPK Gatersleben, the PhenoSphere, which can simulate both current and future environments under field-like conditions. To uncover valuable, underutilized variations for wheat breeding, modern genome editing techniques will be employed to transfer specific alleles, primarily for new resistance genes that may have been lost during the breeding process.<br></p></div> | | | <div class="ExternalClassC37B56A6-397B-4C82-A79E-A05672C3D25E">Dr. Ehsan Eyshi Rezaei; Dr. Nazanin Pesaran Afsharyan</div> | Eyshi Rezaei, Ehsan | <div class="ExternalClassE77CA254-3C9A-4B2B-AEFF-3B1D72B02820">Dr. Ehsan Eyshi Rezaei</a></div> | | | | <div class="ExternalClass67C348CE-C7CC-4573-95BB-59F59B8231D0"><ul><li>Deutsche Saatveredelung AG</li><li>Gemeinschaft zur Förderung von Pflanzeninnovation e. V.</li><li>infotraX GmbH</li><li>JKI - Julius Kühn Institut</li><li>KWS LOCHOW GMBH</li><li>Leibniz-Institut für Pflanzengenetik und Kulturpflanzenforschung (IPK)</li><li>Max-Planck-Gesellschaft zur Förderung der Wissenschaften </li><li>Nordic Seed Germany GmbH</li><li>RAGT 2n</li><li>Rheinische Friedrich-Wilhelms-Universität Bonn</li><li>Saatzucht Streng-Engelen GmbH & Co. KG</li><li>SECOBRA Saatzucht GmbH</li><li>TUM - Tech GmbH München</li><li>W. von Borries-Eckendorf GmbH & Co. KG</li></ul></div> | x4539x4541x4540x659x4537x4465x3951x4545x4544x4462x4543x4542x40x4538x | | | | | | 2 | 2 | | <div class="ExternalClass13595A19-2B76-4879-A9D8-8FB97B3AA2C8"><ul><li>Landschaftsmodellierung</li></ul></div> | <div class="ExternalClass865A0DA3-DDBD-4529-92F3-F4C341B1493D"><ul><li>Landscape Modelling</li></ul></div> |
