Busca avançada
Ano de início
Entree

Seleção genômica no melhoramento de seringueira: uma comparação de modelos e métodos para gerenciar interações G × E

Processo: 19/25755-0
Linha de fomento:Auxílio à Pesquisa - Publicações científicas - Artigo
Vigência: 01 de fevereiro de 2020 - 31 de julho de 2020
Área do conhecimento:Ciências Agrárias - Agronomia - Fitotecnia
Pesquisador responsável:Anete Pereira de Souza
Beneficiário:Anete Pereira de Souza
Instituição-sede: Centro de Biologia Molecular e Engenharia Genética (CBMEG). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Assunto(s):Hevea brasiliensis  Variação genética  Seringueira  Polimorfismo de um único nucleotídeo  Estresse abiótico  Seleção genômica 

Resumo

Vários modelos de previsão genômica que combinam interações genótipo × ambiente (G × E) foram recentemente desenvolvidos e utilizados para seleção genômica (GS) em programas de melhoramento de plantas. As interações G × E reduzem a precisão da seleção e limitam os ganhos genéticos no melhoramento de plantas. Dois conjuntos de dados foram utilizados para comparar as habilidades de predição de modelos genômicos G × E de vários ambientes e dois métodos de kernel. Especificamente, um kernel linear, ou GB (melhor indicador genômico linear imparcial [GBLUP]), e um kernel não linear, ou kernel Gaussian (GK), foram usados para comparar as precisões de previsão (PAs) de quatro modelos de previsão genômica: 1) a ambiente único, modelo de efeito genotípico principal (SM); 2) um modelo multi-ambiental de efeitos genotípicos (MM); 3) um modelo de desvio G × E (MDs) multi-ambiente; e 4) um modelo de desvio G × E (MDe) de variância específica para o ambiente. Avaliamos a utilidade da seleção genômica (GS) para 435 seringueiras individuais em dois locais e genotipamos os indivíduos por meio de genotipagem por sequenciamento (GBS) de polimorfismos de nucleotídeo único (SNPs). Modelos de predisão foram usados para estimar a circunferência do caule (CS) durante os primeiros 4 anos de desenvolvimento das árvores em conjunto com uma herdabilidade de sentido amplo (H2) de 0,60. A aplicação das combinações de modelo (SM, MM, MDs e MDe) e método do kernel (GB e GK) aos dados da seringueira revelou que os modelos multiambientais eram superiores aos modelos genômicos de ambiente único, independentemente do kernel (GB ou GK ), sugerindo que a introdução de interações entre marcadores e condições ambientais aumenta a proporção de variância explicada pelo modelo e, mais importante, pela AF. Comparados com o método clássico de melhoramento genético (CBM), os métodos nos quais a GS é incorporada resultaram em um aumento de 5 vezes na resposta à seleção para SC com GS multi-ambiente (MM, MDe ou MDs). Além disso, o GS resultou em uma resposta de seleção mais equilibrada para o SC e contribuiu para uma redução no tempo de seleção quando usado em conjunto com os programas tradicionais de melhoramento genético. Dados os rápidos avanços nos métodos de genotipagem e seus custos em declínio e dados os custos gerais dos testes de progênie em larga escala e ciclos de reprodução mais curtos, esperamos que a GS seja implementada em programas de melhoramento de seringueira. (AU)