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

• Processo: 15/14376-8
• Linha de fomento: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
• Vigência (Início): 11 de setembro de 2015
• Vigência (Término): 17 de junho de 2016
• Área do conhecimento: Ciências Agrárias - Agronomia
• Pesquisador responsável: Roberto Fritsche Neto
• Beneficiário: Danilo Hottis Lyra
• Supervisor no Exterior: Jianming Yu
• Instituição-sede: Escola Superior de Agricultura Luiz de Queiroz (ESALQ). Universidade de São Paulo (USP). Piracicaba , SP, Brasil
• Local de pesquisa : Iowa State University, Estados Unidos
• Vinculado à bolsa: 14/26326-2 - Acurácia de modelos não-aditivos de seleção genômica para eficiência no uso de nitrogênio em híbridos de milho tropical, BP.DR
• Assunto(s): Melhoramento genético vegetal Seleção genética 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)

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)

LYRA, DANILO HOTTIS; GALLI, GIOVANNI; ALVES, FILIPE COUTO; CORREIA GRANATO, ITALO STEFANINE; VIDOTTI, MIRIAM SUZANE; BANDEIRA E SOUSA, MASSAINE; MOROSINI, JULIA SILVA; CROSSA, JOSE; FRITSCHE-NETO, ROBERTO. Modeling copy number variation in the genomic prediction of maize hybrids. THEORETICAL AND APPLIED GENETICS, v. 132, n. 1, p. 273-288, JAN 2019. Citações Web of Science: 1.

LYRA, DANILO HOTTIS; CORREIA GRANATO, ITALO STEFANINE; PINHO MORAIS, PEDRO PATRIC; ALVES, FILIPE COUTO; MARCONDES DOS SANTOS, ANNA RITA; YU, XIAOQING; GUO, TINGTING; YU, JIANMING; FRITSCHE-NETO, ROBERTO. Controlling population structure in the genomic prediction of tropical maize hybrids. MOLECULAR BREEDING, v. 38, n. 10 OCT 2018. Citações Web of Science: 0.

LYRA, DANILO HOTTIS; MENDONCA, LEANDRO DE FREITAS; GALLI, GIOVANNI; ALVES, FILIPE COUTO; CORREIA GRANATO, ITALO STEFANINE; FRITSCHE-NETO, ROBERTO. Multi-trait genomic prediction for nitrogen response indices in tropical maize hybrids. MOLECULAR BREEDING, v. 37, n. 6 JUN 2017. Citações Web of Science: 10.