Acurácia de modelos não-aditivos e estrutura populacional de seleção genômica de milho

Resumo

A seleção genômica (GS) é um método para predizer o valor genético de indivíduos com base no valor genético genômico (VGG) predito a partir de marcadores de alta densidade no genoma. A acurácia de predição do desempenho híbrido pela GS tem sido estudada em milho. No entanto, existem muitos desafios na GS para aumentar a acurácia de estimação do VGG. Por exemplo, o grau de parentesco entre indivíduos, os efeitos não-aditivos e a estrutura populacional nas populações de treinamento e validação afetam a acurácia e os ganhos com seleção. Assim, o objetivo deste trabalho foi avaliar a acurácia e a capacidade preditiva de modelos não-aditivos de GS na presença de diferentes níveis de estrutura populacional em milho. A população de treinamento de milho será simulada para conter 1176 indivíduos F1 fenotipados para produtividade de grãos. Dados genotípicos reais de quarenta e nove linhagens (parentais) será utilizada para obter os dados genotípicos dos híbridos simulados. A genotipagem dessas linhagens foi realizada na Plataforma Affymetrix® utilizando um array com, aproximadamente, 660,000 SNPs para milho. De posse dos dados fenotípicos e genotípicos, será realizada a avaliação dos modelos aditivo, aditivo-dominante e aditivo-dominante-epistático de GS. O modelo implementado no software STRUCTURE v2.3.3 será utilizado para revelar a estrutura populacional das 49 linhagens de milho. Os modelos aditivo, aditivo-dominante e aditivo-dominante-epistático serão comparados por meio da acurácia e capacidade preditiva observada em cada modelo utilizado em diferentes níveis de estrutura populacional. As análises genética-estatística de GS serão implementadas pelo software R (3.1.1) utilizando os pacotes rrBLUP e ASreml-R. (AU)