Influência da modelagem multi-trait, dominância, e estruturação populacional na predição genômica em híbridos de milho

Autor(es)

Danilo Hottis Lyra

• Tipo de documento: Tese de Doutorado
• Imprenta: Piracicaba.
• Instituição: Universidade de São Paulo (USP). Escola Superior de Agricultura Luiz de Queiroz (ESALA/BC)
• Data de defesa: 2017-11-14

Membros da banca

Roberto Fritsche Neto; Antonio Augusto Franco Garcia; Jose Branco de Miranda Filho; Maria Imaculada Zucchi

• Orientador: Roberto Fritsche Neto

Resumo

Predição genômica de híbridos simples é uma promissora ferramenta no melhoramento de milho, pois permite aumentar os ganhos genéticos por unidade de tempo, principalmente por reduzir o tempo de seleção. Uma estratégia que pode aumentar a acurácia das predições genômicas é realizar esta para múltiplos caracteres considerando os mesmos simultâneamente, ou utilizar índices de seleção, os quais captam a performance dos genótipos tanto em condições ótimas como em condições de estresse. Além disso, fatores como dominância, variantes estruturais, e estruturação populacional podem influenciar a acurácia de estimativas dos valores genéticos genômicos (VGG). Portanto, os objetivos foram aplicar predição genômica em híbridos de milho (i) incluindo modelos multi-trait, (ii) incorporando desvios de dominância e efeitos da variação no número de cópias, e (iii) controlando a estruturação populacional. Para isto, dois conjuntos de milho (HELIX e USP) foram utilizados, consistindo de 452 e 906 híbridos simples. Os caracteres avaliados foram produtividade de grãos, altura de planta e espiga, senescência, e quatro índices de seleção. A partir das análises multi-trait dos modelos GBLUP e GK, pôde-se concluir que a combinação dos índices é uma alternativa viável, aumentando a acurácia seletiva. Além disso, os resultados sugerem que o melhor método é a predição de híbridos incluindo desvios de dominância, principalmente para caracteres complexos. Observou-se também que incluir efeitos relacionados a variação no número de cópias indica ser adequado, devido ao aumento da acurácia e redução do viés nos modelos de predição genômica. Por outro lado, a acurácia de predição não aumentou quando se adicionou quatro diferentes conjuntos de estruturação como covariáveis fixas no modelo GBLUP. No entanto, usando o escalonamento multidimensional não métrico e o agrupamento do fineSTRUCTURE aumentaram a confiabilidade de estimação do VGG para produtividade de grãos e altura de plantas, respectivamente. (AU)

• Processo FAPESP: 14/26326-2 - Acurácia de modelos não-aditivos de seleção genômica para eficiência no uso de nitrogênio em híbridos de milho tropical
• Beneficiário: Danilo Hottis Lyra
• Modalidade de apoio: Bolsas no Brasil - Doutorado