Busca avançada
Ano de início
Entree

Desenvolvimento e validação de modelo preditivo de seleção genômica ampla (SGA) para a seleção ultra-precoce de indivíduos elite de Eucalyptus

Processo: 10/13185-0
Linha de fomento:Bolsas no Brasil - Doutorado
Vigência (Início): 01 de dezembro de 2010
Vigência (Término): 31 de outubro de 2013
Área do conhecimento:Ciências Biológicas - Genética - Genética Quantitativa
Pesquisador responsável:Roland Vencovsky
Beneficiário:Bruno Marco de Lima
Instituição-sede: Escola Superior de Agricultura Luiz de Queiroz (ESALQ). Universidade de São Paulo (USP). Piracicaba , SP, Brasil
Assunto(s):Eucalipto   Locos de características quantitativas

Resumo

Espécies de Eucalyptus constituem a principal base florestal de alta produtividade nos dois países colaboradores neste projeto. Florestas plantadas de Eucalyptus fornecem biomassa florestal de forma sustentável para as mais variadas aplicações industriais (papel, celulose, energia) bem como para pequenos e médios produtores de madeira serrada e energia. Muito tem sido falado e escrito sobre as vantagens potenciais da seleção assistida por marcadores (SAM) em espécies de Eucalyptus. Entretanto, a complexidade das características quantitativas de relevância silvicultural e industrial, associada às limitações e custo da análise de DNA até hoje, tem dificultado a operacionalização da SAM nos programas de melhoramento. Com base nos recentes avanços das tecnologias de genotipagem de DNA em larga escala, acompanhadas por reduções dramáticas de custos, aliados a novos conceitos em SAM no melhoramento de plantas e animais, este projeto de pesquisa visa atacar esta questão com uma abordagem inovadora na área florestal. Esta abordagem se baseia na utilização da tecnologia DArT (Diversity Arrays Technology) para a execução de uma prova de conceito e validação da estratégia de seleção genômica ampla (SGA) (Genomic selection ou Genome-wide selection) visando a seleção ultra-precoce de árvores elite para características de expressão tardia em testes de progênie de Eucalyptus. Paralelamente será avaliada a tecnologia de SNP pela validação in vitro de uma bateria de 768 SNPs selecionados para elevado polimorfismo. A SGA, tema de intensa pesquisa nos últimos dois anos, é baseada na genotipagem de alguns milhares de marcadores em populações com tamanho efetivo Ne <100 de forma que a maioria dos genes e regiões genômicas envolvidas no controle das várias características quantitativas, estarão em desequilíbrio de ligação com um ou mais marcadores genotipados. A SGA, baseada exclusivamente em marcadores, apresenta alta acurácia seletiva, é excelente para caracteres de baixa herdabilidade e não exige prévio descobrimento de QTLs. O projeto será executado em parceria com uma empresa no estado de SP. Por se tratar de um projeto que envolve inovação e validação tecnológica em ambiente operacional do melhoramento, a metodologia desenvolvida será passível de absorção imediata pelo setor produtivo.

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
DE LIMA, BRUNO MARCO; CAPPA, EDUARDO P.; SILVA-JUNIOR, ORZENIL B.; GARCIA, CARLA; MANSFIELD, SHAWN D.; GRATTAPAGLIA, DARIO. Quantitative genetic parameters for growth and wood properties in Eucalyptus ``urograndis{''} hybrid using near-infrared phenotyping and genome-wide SNP-based relationships. PLoS One, v. 14, n. 6 JUN 24 2019. Citações Web of Science: 0.
Publicações acadêmicas
(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)
LIMA, Bruno Marco de. Conectando a genômica à genética quantitativa de Eucalyptus: predição genômica e estimação de parâmetros genéticos para crescimento e propriedades de madeira usando alta densidade de SNPs. 2014. Tese de Doutorado - Universidade de São Paulo (USP). Escola Superior de Agricultura Luiz de Queiroz Piracicaba.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.