Predição genômica de híbridos e de populações segregantes de milho tropical por modelos de inteligência computacional

• Processo: 22/14078-0
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de setembro de 2023
• Data de Término da vigência: 31 de agosto de 2026
• Área do conhecimento: Ciências Biológicas - Genética - Genética Vegetal
• Pesquisador responsável: Michele Jorge Silva Siqueira
• Beneficiário: Michele Jorge Silva Siqueira
• Instituição Sede: Escola Superior de Agricultura Luiz de Queiroz (ESALQ). Universidade de São Paulo (USP). Piracicaba , SP, Brasil
• Pesquisadores associados: Antonio Augusto Franco Garcia ; Jayme Garcia Arnal Barbedo
• Assunto(s): Melhoramento genético vegetal Milho Vigor híbrido Linhagem Modelos preditivos Inteligência computacional Variação genética em plantas
• Palavra(s)-Chave do Pesquisador: Combinação genética | heterose | linhagens | modelos preditivos | Variabilidade | Melhoramento Genético de Milho

Resumo

Destaca-se que nos programas de melhoramento genético é fundamental encontrar uma combinação híbrida de dois genitores com elevada frequência de alelos favoráveis e geneticamente complementares, cujo híbrido apresente vários lócus em heterozigose e manifeste elevado vigor híbrido, preferencialmente com média superior ao melhor genitor. Além disso, o conhecimento prévio do potencial das populações segregantes pode levar a uma significativa redução de custos e tempo, uma vez que os materiais com combinações gênicas desfavoráveis serão precocemente descartados e os melhoristas podem concentrar esforços apenas em populações promissoras, visando à seleção de plantas que contenham as combinações gênicas desejáveis. No presente projeto serão utilizados procedimentos preditivos para a predição do potencialdas populações genitoras de milho tropical com dois enfoques, sendo o primeiro, a curto prazo,fundamentado na predição de bons híbridos simples e o segundo enfoque na identificação degenitores para a formação de população base. Será considerado a potencialidade e a variabilidade gerada, por combinações híbridas promissoras, mensuradas em possíveis progênies endogâmicas (RILs), permitindo assim que combinações híbridas com baixo desempenho sejam eliminadas antes mesmo do cruzamento ser realizado, fazendo com que maiores esforços sejam concentrados em apenas populações promissoras. Dessa forma, será considerado o uso de informações fenotípicas e genotípicas para o estabelecimento de modelos preditivos de híbridos e de populações a partir de abordagens de inteligência computacional e aprendizado de máquina. Tais abordagens, quando associadas à estudos de diversidade genética e de avaliação do potencial per se das linhagens genitoras, demonstram elevado potencial para análises de predição e são ainda pouco utilizados. Assim, o uso dos modelos preditivos com abordagens de inteligência computacional e de aprendizado de máquinas irão colaborar na eficiência para obtenção de combinações híbridas promissores, e na eliminação de combinações de baixo desempenho antes mesmo do cruzamento ser realizado, fazendo com que maiores esforços sejam concentrados apenas populações promissoras. (AU)