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

Autor(es)

Bruno Marco de Lima

• 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: 2014-04-25

Membros da banca

Roland Vencovsky; Aurelio Mendes Aguiar; Alexandre Siqueira Guedes Coêlho; Dario Grattapaglia; Mario Luiz Teixeira de Moraes

• Orientador: Roland Vencovsky; Dario Grattapaglia

Resumo

A convergência da genética quantitativa com a genômica está se tornando a maneira pela qual a genética fundamental e aplicada serão conduzidas nas próximas décadas. Este estudo buscou conectar a genética de fenótipos complexos de crescimento e propriedades de madeira às tecnologias genômicas, em uma abordagem inovadora para o melhoramento florestal. Florestas plantadas têm papel fundamental para satisfazer a crescente demanda mundial por produtos madeireiros e energia. O eucalipto,com sua alta produtividade e madeira versátil, é resultado de programas avançados de melhoramento associados à propagação clonal e silvicultura moderna. Apesar de seu rápido crescimento, ciclos de melhoramento ainda levam muitos anos e a avaliação detalhada de propriedades da madeira é limitada a apenas uma amostra das árvores em estágios avançados de seleção, devido aos altos custos de fenotipagem, não explorando assim toda a variação genética disponível. Neste estudo, examinamos quinze caracteres, incluindo crescimento e propriedades químicas e físicas da madeira, em 1000 indivíduos amostrados de uma população elite de melhoramento. Modelos de espectroscopia de infravermelho próximo (NIRS) foram desenvolvidos e utilizados para fenotipagem de alto desempenho de propriedades de madeira. Genotipagem de alta densidade com 29.090 SNPs foi utilizada para obter estimativas acuradas de componentes de variância, herdabilidades e correlações genéticas baseadas em uma matriz de parentesco realizado, ou seja,sem o uso de pedigree. Este é o primeiro estudo de que temos conhecimento a fazer isso em plantas. Predições NIRS foram precisas para caracteres químicos da madeira e densidade, e apresentaram sucesso variável para caracteres físicos. As herdabilidades foram médias para crescimento (0,34 a 0,44), altas para caracteres químicos de madeira (0,56 a 0,85) e variáveis para caracteres físicos da madeira (0,11 a 0,63). Altas correlações positivas entre caracteres de crescimento e negativas entre celulose e lignina foram observadas, enquanto correlações entre caracteres químicos e físicos da madeira foram baixas, porém significativas. Fenótipos e marcadores SNP foram em seguida utilizados na construção de modelos preditivos com a maior densidade de marcadores já utilizada em estudos de seleção genômica em espécies florestais (1 SNP/21 kpb). Dois modelos de predição (RR-BLUP e LASSO Bayesiano)foram usados nas predições genômicas e comparados ao BLUP fenotípico. Os modelos apresentaram capacidades preditivas similares, fortemente correlacionadas às herdabilidades. Predições genômicas precisas foram obtidas para caracteres relacionados à lignina, densidade e crescimento, embora geralmente 15 a 25% menores do que as predições obtidas por BLUP fenotípico. Contudo, predições genômicas alcançaram coincidências acima de 70% na seleção das melhores 30 árvores ranqueadas pela seleção fenotípica para crescimento, densidade e relação S:G, e de 60% quando seleção em tandem foi aplicada. Os resultados deste estudo abrem enormes oportunidades para o uso combinado de fenotipagem NIRS e genotipagem com SNPs no melhoramento do eucalipto, permitindo estimativas acuradas de parâmetros genéticos e a predição de valores genéticos genômicos para plantas jovens ainda não fenotipadas. Estas aplicações deverão se tornar rotineiras nos programas de melhoramento florestal nos próximos anos, reduzindo significativamente a duração dos ciclos de seleção e, consequentemente, otimizando a alocação de recursos e a sustentabilidade do melhoramento. (AU)

• Processo FAPESP: 10/13185-0 - Desenvolvimento e validação de modelo preditivo de seleção genômica ampla (SGA) para a seleção ultra-precoce de indivíduos elite de Eucalyptus
• Beneficiário: Bruno Marco de Lima
• Modalidade de apoio: Bolsas no Brasil - Doutorado