Genome wide selection optimization in maize breeding

• Ano de defesa: 2023
• Autor(a) principal: Bernardeli, Arthur Martins Almeida
• Orientador(a): Oliveira, Aluízio Borém de
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Federal de Viçosa
• Programa de Pós-Graduação: Genética e Melhoramento
• Área do conhecimento CNPq: Melhoramento Vegetal
• Link de acesso: https://locus.ufv.br//handle/123456789/30839; https://doi.org/10.47328/ufvbbt.2023.173

O milho é o cereal mais cultivado em todo o mundo. A expansão dessa cultura foi possível devido aos esforços de manejo e melhoramento. Do ponto de vista do melhoramento, avanços foram alcançados na liberação de híbridos com heterose, delineamento e análises experimentais em campo, estabelecimento de padrões heteróticos e produção e comercialização efetiva de sementes. A partir da última década, avanços na análise de dados foram beneficiados pelo surgimento de dados genotípicos, permitindo a predição de híbridos sem serem testados por meio de abordagens de seleção genômica. Este estudo tem como objetivo converter um conjunto de dados de SNP de alta densidade e usá-lo em seleção genômica para predizer híbridos não testados e ambientes não observados, e indicar o material parental de acasalamento mais promissor para a obtenção de híbridos e linhagens para os caracteres ASI, EPP, FFT, GY e MFT em milho. Para isso, SNPs foram classificadas de acordo com seus efeitos estimados, e uma porção mínima de marcadores que atingiram o platô de acurácia de predição por cromossomo foram selecionados, seguida de uma eliminação de marcadores repetidos entre as características e remoção daqueles ligados de acordo com uma análise de LD. Para a GWS de híbridos e ambientes, três modelos que compreenderam os efeitos principais e de interação de GCA e SCA foram ajustados e a acurácia de predição foi avaliada. A etapa de seleção do material de parental foi realizada de acordo com PS, GS e GM. Os métodos de GM usaram os efeitos de marcadores preditos na etapa anterior de GS, e os 40 cruzamentos de desempenho superior e inferior e suas respectivas linhagens parentais foram selecionados para cada característica. Os SNPs selecionados mantiveram a acurácia de predição para todas as características em condição de déficit hídrico e irrigação, quando comparado ao uso de todos os marcadores disponíveis. Para GS de híbridos, o Modelo 3 teve melhor desempenho para todas as características quando os esquemas de validação cruzada tinham informações de todos os ambientes (CV1 e CV2) em termos acurácia, e o Modelo 2 teve melhor desempenho quando faltavam informações sobre os ambientes (CV0 e CV00). Os genitores escolhidos para seleção positiva foram diferentes dos genitores para seleção negativa, garantindo a maximização dos ganhos para o desenvolvimento de híbridos e linhagens endogâmicas. As maiores coincidências de linhagens parentais selecionadas ocorreram em métodos baseados em GS (Métodos 1, 3, 5, 7, 9, 11, 13 e 15), onde os pais foram selecionados diretamente com base em médias ou valores de GCA/SCA (e interação) de seus respectivos híbridos. Os métodos baseados em simulações de cruzamentos (Métodos 2, 4, 6, 8, 10, 11, 12, 14 e 16) tiveram coincidências moderadas a baixas, mas foram consistentes em indicar os melhores materiais de parentais em geral. Os resultados da seleção de pais baseados em GS e GM devem ser comparados com o Método 17 (cruzamentos observados) para uma validação eficaz. Os métodos PS, GS e GM juntos devem ajudar na tomada de decisão de seleção de material parental para futuros cruzamentos. Palavras-chave: Acurácia de Predição. Híbridos. Linhagens Endogâmicas. Marcadores SNP. Validação Cruzada.