Seleção recorrente genômica como estratégia para aceleração de ganhos genéticos em arroz

Genetic gains for quantitative traits associated with the maintenance of genetic variability are important factors in recurrent selection programs. With advances in the area of statistical genomics, selection strategies potentially faster to achieve genetic gains are being developed, such as genomic...

Nível de Acesso:openAccess
Publication Date:2016
Main Author: Morais Júnior, Odilon Peixoto de lattes
Orientador/a: Duarte, João Batista lattes
Co-advisor: Breseghello, Flávio lattes, Coelho, Alexandre Siqueira Guede lattes
Banca: Duarte, João Batista, Breseghello, Flávio, Coelho, Alexandre Siqueira Guedes, Silva Filho, João Luis da, Resende, Marcela Pedroso Mendes
Format: Tese
Language:por
Published: Universidade Federal de Goiás
Programa: Programa de Pós-graduação em Genética e Melhoramento de Plantas (EAEA)
Department: Escola de Agronomia e Engenharia de Alimentos - EAEA (RG)
Assuntos em Português:
Assuntos em Inglês:
Áreas de Conhecimento:
Online Access:http://repositorio.bc.ufg.br/tede/handle/tede/7168
Citação:MORAIS JÚNIOR, O. P. Seleção recorrente genômica como estratégia para aceleração de ganhos genéticos em arroz. 2016. 172 f. Tese (Doutorado em Genética e Melhoramento de Plantas) - Universidade Federal de Goiás, Goiânia, 2016.
Resumo Português:A obtenção de ganhos genéticos para caracteres quantitativos associada à manutenção da variabilidade genética são fatores importantes em programas de seleção recorrente. Com os avanços no campo da estatística genômica, estratégias de seleção potencialmente mais rápidas para alcance de ganhos genéticos estão sendo desenvolvidas, como a seleção genômica. Partindo-se de uma população subtropical de arroz irrigado (CNA12S), conduzida durante três ciclos de seleção recorrente, este estudo teve como objetivo geral avaliar o potencial de emprego do esquema de seleção recorrente genômica (GRS) em programas de melhoramento genético de arroz. Três estudos específicos foram desenvolvidos. No primeiro deles, avaliou-se a eficiência do esquema de seleção recorrente genotípica (RS) utilizado no programa de melhoramento de arroz da Embrapa, na obtenção de ganhos genéticos e manutenção da variabilidade genética populacional. O material experimental utilizado constituiu-se de dez ensaios de rendimento de progênies S1:3 associadas a cada ciclo de seleção. Os caracteres avaliados foram produtividade de grãos, altura de planta e número de dias até o florescimento. Componentes de variância e covariância foram obtidos via abordagem Bayesiana e, com uso de marcadores SNP (single nucleotide polymorphisms) associados às progênies, também a diversidade e a estrutura genética populacional. Médias ajustadas de progênies em cada ciclo foram computadas e, por regressão linear generalizada, estimou-se o progresso genético, via abordagem frequentista. As magnitudes do tamanho efetivo populacional e da variância genética indicaram manutenção da variabilidade genética ao longo dos ciclos de seleção. O progresso genético alcançado para produtividade de grãos foi de 760 kg ha-1 por ciclo (1,95 % ao ano) e para dias para florescimento, -6,3 dias por ciclo (-1,28 % ao ano). Concluiu-se que, o progresso genético já alcançado e a variabilidade genética disponível na população demonstram a eficiência de RS no melhoramento de populações de arroz. Num segundo estudo, no contexto de seleção genômica, avaliou-se a eficiência relativa de GRS sobre o esquema de RS; além da acurácia de diferentes modelos de predição genômica, buscando-se propor um esquema de GRS para melhoramento populacional de espécies autógamas como o arroz. Nesse estudo, o material genético foi composto por um ensaio de rendimento de progênies S1:3 do terceiro ciclo de seleção. Do grupo de 196 progênies fenotipadas para oito caracteres, com herdabilidades e arquiteturas genéticas diferentes, um grupo de 174 progênies foi genotipado para marcadores SNP. Dez modelos preditivos foram ajustados ao conjunto de dados. O esquema de GRS, quando comparado ao de RS, apresentou maior eficiência, sobretudo em ganho genético por unidade de tempo. Dos modelos preditivos avaliados, HBLUP (hybrid best linear unbiased prediction, com uso de matriz híbrida de parentesco baseada em pedigree e marcadores SNP) e RForest (random forest) apresentaram maior potencial para predição genômica, haja vista a elevada acurácia de suas predições para maior número de caracteres. O modelo HBLUP foi notoriamente superior para caracteres mais complexos, como produtividade de grãos, enquanto RForest destacou-se para caracteres menos complexos. A alta extensão do desequilíbrio de ligação na população sugere que a densidade de marcadores empregada (aproximadamente um SNP por 60 kb) é suficiente para a prática de predição genômica em populações com estrutura genética similar. No terceiro estudo buscou-se estender uma classe de modelos preditivos HBLUP baseados em norma de reação (contexto de ensaios multiambientais com interação genótipos × ambientes), para acomodar informações de parentesco e de covariáveis associadas aos ambientes de avaliação. Assim, avaliouse a acurácia preditiva de modelos alternativos para predições multiambientais, bem como a importância relativa de estruturas de componentes aditivos e multiplicativos; além da influência de diferentes abordagens de agrupamento de informações genético-ambientais sobre a acurácia dos modelos. O material genético constituiu-se nos mesmos dez ensaios de rendimento de progênies S1:3, conduzidos durante três ciclos de seleção recorrente. Foi considerada uma sequência de seis modelos preditivos de norma de reação, do tipo HBLUP, com uso de covariáveis genéticas e ambientais, além de interações entre esses efeitos. A informação genômica foi proveniente de marcadores SNP obtidos por genotipagem de 173 progênies do terceiro ciclo de seleção. As covariáveis ambientais (num total de 401), informações genéticas (parentesco híbrido) e as interações entre esses efeitos explicaram importante porção da variância fenotípica, o que possibilitou aumento da acurácia preditiva dos modelos. O emprego de informações genéticas e de covariáveis ambientais apenas do respectivo ciclo de seleção mostrou-se suficiente para predições acuradas do desempenho de progênies não fenotipadas, mesmo em ambientes não amostrados. Este estudo é pioneiro em considerar conjuntamente parentesco híbrido, oriundo de informações de pedigree mais marcadores SNP, e covariáveis ambientais em modelos multiambientais baseados em norma de reação, para predição de valor genético em ambientes-alvo de programas de seleção recorrente.
Resumo inglês:Genetic gains for quantitative traits associated with the maintenance of genetic variability are important factors in recurrent selection programs. With advances in the area of statistical genomics, selection strategies potentially faster to achieve genetic gains are being developed, such as genomic selection. Using a subtropical population of irrigated rice (CNA12S), conducted during three cycles of recurrent selection, this study had as general objective to evaluate the potential of use of genomic recurrent selection (GRS) in a rice breeding program. Three specific studies were developed. In the first chapter, the efficiency of the genotypic recurrent selection (RS) used in the Embrapa’s rice breeding program was evaluated, in order to obtain genetic gains and maintain the population genetic variability. Ten yield trials of S1:3 progenies were used in the analyses. The evaluated traits were grain yield, plant height and days-to-flowering. Variance and covariance components were obtained using Bayesian approach. Using single nucleotide polymorphisms (SNP) markers, the population diversity and genetic structure also were estimated. Adjusted means of progenies in each cycle were computed and, genetic progress was estimated by generalized linear regression using frequentist approach. The magnitudes of effective population size and genetic variance indicated maintenance of genetic variability over selection cycles. The genetic progress achieved for grain yield was 760 kg ha-1 per cycle (1.95% per year), and for days-to-flowering, it was -6.3 days per cycle (-1.28% per year). It was concluded that the genetic progress already achieved and the genetic variability available in the population demonstrate the efficiency of RS in the improvement of rice populations. In the second chapter, in the context of genomic selection, the relative efficiency of GRS on RS was assessed, as well as the accuracy of different models of genomic prediction, in order to propose a GRS scheme for population breeding of self-pollinating species such as rice. In this study, the genetic material was the S1:3 progenies yield trial of the third selection cycle. From a group of 196 progenies that were phenotyped for eight traits with different heritabilities and genetic architectures, a group of 174 progenies was genotyped for SNP markers. Ten predictive models were fitted to the data set. The proposed GRS scheme, when compared to the RS method, showed higher efficiency, especially in genetic gain per unit of time. From the predictive models assessed, HBLUP (hybrid best linear unbiased prediction, using hybrid relationship matrix based in pedigree and SNP markers) and RForest (random forest) have greater potential for genomic prediction in irrigated rice, given the high accuracy of their predictions for a number of traits. The HBLUP model was notoriously superior for more complex traits, such as grain yield, while RForest stood out for less complex traits. The high extent of linkage disequilibrium in the population suggests that the marker density employed (approximately one SNP per 60 kb) is enough for the practice of genomic selection in populations with similar genetic structure. In the third chapter, the objective was to extend a class of HBLUP models based on reaction norm, in context of multi-environmental trials with genotype x environment interaction, for accommodation of hybrid genetic relationship and information of the assessed environments. The accuracy of alternative models for multi-environmental predictions was evaluated, as well as the relative importance of structures of additive and multiplicative components, using genetic relationship information and environmental covariates. This strategy allowed to evaluate the influence of different approaches to group the genetic-environmental information on the accuracy of models for prediction of breeding value of progenies for agronomic traits. The data consisted of the same ten trial of S1:3 progenies, carried out during three recurrent selection cycles. Six predictive HBLUP models of reaction norm were considered, using genetic and environmental covariates, as well as interactions between these effects. Genomic information was derived from SNP markers obtained for the 174 progenies of the third selection cycle. The 401 environmental covariates, the genetic information (hybrid genetic relationship) and the interactions among these effects explained an important portion of the phenotypic variance, allowing an increase in the predictive accuracy of models. The use of genetic information and environmental covariates only from the respective selection cycle is enough for accurate predictions of unphenotyped progenies, even in non-sampled environments. This is the first study to take into account simultaneously hybrid genetic relationship, stemming from pedigree information plus SNP markers, and environmental covariates in multi-environmental models based on reaction norm for breeding value prediction in target environments of a recurrent selection program.