美國農部向研究人員和植物育種家展示了一個處理植物分生研究所產生的大量數據的新方法，有助於加快作物品種開發改良。

　　美國農部農業研究部門(USDA Agricultural Research Service, ARS)植物、土壤及營養部門的學者Jean-Luc Jannink在紐約州Ithaca的Robert W. Holley農業和健康中心中工作。Jannink已經證明在植物基因序列研究中，透過使用名為基因選種(Genomic Selection, GS)的統計方法，可以獲得及分析更多的數據。(GS法目前用於牛隻育種上)

　　ARS是美國農部內的主要科學研究機構。本研究支持美國農部的優先事項，也就是提高永續農業的發展及促進國際糧食充足。

　　越來越多科學家和植物育種專家使用分子育種來開發優良品種。透過找出與優良性狀相關的基因，不必等到種子種植長出作物，就可以挑到所要的性狀。

　　但是，分子育種需要分析大量的數據，例如很重要的抗旱和產量性狀，是由多個效果微小的基因所構成，這些基因被稱為數量性狀基因座(quantitative trait loci, QTLs)，以傳統的分子標記輔助育種(Marker-Assisted Selection, MAS)方法來處理QTLs的數據及估計其影響的效果有限。

　　Jannink's所推薦GS方法可以運算更多的數據，包括所有作用微小的QTLs，且能估計在植物群體中，所有已知遺傳標誌的效果。

　　最近，Jannink和他的同事使用GS或MAS方法建造統計模式，比較研究預測雜交試驗群體中13個農藝性狀的關聯值，然後透過田間測量小麥374系的數據，比較兩模型的預測準確性。

　　結果顯示GS法更能準確的預測性狀，且這項方法，Jannink也成功用在燕麥的研究上。這兩項試驗分別刊登在The Plant Genome期刊上。隨著DNA技術的進步，這項方式預計能加快分子育種工作，且應能證明是非常有用的方法。