Seleção de progênies S2 de milho com abordagem de modelos mistos

Detalhes bibliográficos
Ano de defesa: 2015
Autor(a) principal: Cancellier, Leandro Lopes lattes
Orientador(a): Von Pinho, Renzo Garcia
Banca de defesa: Souza, João Cândido de, Botelho, Flávia Barbosa Silva, Bruzi, Adriano Teodoro, Afférri, Flávio Sérgio
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Lavras
Programa de Pós-Graduação: Programa de Pós-Graduação em Agronomia/Fitotecnia
Departamento: Departamento de Agricultura
País: brasil
Palavras-chave em Português:
Área do conhecimento CNPq:
Link de acesso: https://repositorio.ufla.br/handle/1/10579
Resumo: O milho é cultivado de norte a sul do Brasil. Há grande quantidade de híbridos disponíveis aos produtores, e estes apresentam altas produtividades, assim, substituir com vantagens os híbridos atuais é um dos grandes desafios dos melhoristas. Em programas de melhoramento, uma das principais etapas é a obtenção de linhagens, e que, posteriormente, serão utilizados para a formação de híbridos. No processo de obtenção de linhagens é comum a seleção precoce desses genótipos nas primeiras gerações de autofecundação. O sucesso na seleção precoce se deve principalmente à boa estabilidade das progênies ao longo das gerações de autofecundação, e a alta correlação de progênies S2 em topcrosses com progênies em S6. A utilização de modelos mistos para a análise de dados, também é uma importante ferramenta para aumentar o sucesso na seleção de genótipos, pois, permite uma grande flexibilidade na análise de dados desbalanceados, e fornece valores genotípicos mais acurados. Desta forma o objetivo deste trabalho foi selecionar em geração precoce de endogamia (S2) progênies avaliadas em topcrosses, utilizando a metodologia de modelos mistos. Foram plantadas 500 progênies S2 provenientes de três populações, e utilizada uma intensidade de seleção de 40%, sendo estas, cruzadas com três testadores. Os híbridos obtidos juntamente com tratamentos testemunha foram instalados em cinco experimentos, sendo três em MG, um em SC e um no PR, e foi avaliada a produtividade de grãos. A análise foi realizada via abordagem de modelos mistos, e para o cálculo dos componentes de variância foi utilizado o método REML e a predição das médias via BLUP. Também foram preditos os BLUPs da capacidade geral e específica de combinação, e estimados os coeficientes de correlação de Spearman entre BLUPs. No conjunto de progênies em estudo, os efeitos de dominância tiveram maior influência na expressão da produtividade, isto também pode ser observado pela maior amplitude nos valores da CEC. Houve uma coincidência de 86%, considerando a estratégia em que o índice de seleção foi efetuado, dentro das três populações, em relação à seleção pelo valor geral de CGC. Dentre os 444 híbridos, foram considerados os 133 com os maiores valores de CEC. Considerando os híbridos superiores, as progênies da população C superaram em 24,6% a quantidade de híbridos esperados, enquanto a redução foi de 30,8% e 20% para A e B. Os híbridos que apresentaram maiores médias BLUP, foram os cruzamentos entre progênies da população C, juntamente com o testador LE84. Independente do testador, utilizando-se médias BLUP ou CEC, o ranqueamento dos híbridos será pouco alterado, devido a alta correlação. A baixa correlação entre testadores, tanto para CEC, quanto para BLUP da média, indica que há interação progênies x testadores.
id UFLA_95cb8698a298d4036aa5d4bce67cccb3
oai_identifier_str oai:repositorio.ufla.br:1/10579
network_acronym_str UFLA
network_name_str Repositório Institucional da UFLA
repository_id_str
spelling 2015-11-10T13:16:45Z2015-11-10T13:16:45Z2015-11-102015-02-26CANCELLIER, L. L. Seleção de progênies S2 de milho com abordagem de modelos mistos. 2015. 76 p. Tese (Doutorado em Agronomia/Fitotecnia)-Universidade Federal de Lavras, Lavras, 2015.https://repositorio.ufla.br/handle/1/10579O milho é cultivado de norte a sul do Brasil. Há grande quantidade de híbridos disponíveis aos produtores, e estes apresentam altas produtividades, assim, substituir com vantagens os híbridos atuais é um dos grandes desafios dos melhoristas. Em programas de melhoramento, uma das principais etapas é a obtenção de linhagens, e que, posteriormente, serão utilizados para a formação de híbridos. No processo de obtenção de linhagens é comum a seleção precoce desses genótipos nas primeiras gerações de autofecundação. O sucesso na seleção precoce se deve principalmente à boa estabilidade das progênies ao longo das gerações de autofecundação, e a alta correlação de progênies S2 em topcrosses com progênies em S6. A utilização de modelos mistos para a análise de dados, também é uma importante ferramenta para aumentar o sucesso na seleção de genótipos, pois, permite uma grande flexibilidade na análise de dados desbalanceados, e fornece valores genotípicos mais acurados. Desta forma o objetivo deste trabalho foi selecionar em geração precoce de endogamia (S2) progênies avaliadas em topcrosses, utilizando a metodologia de modelos mistos. Foram plantadas 500 progênies S2 provenientes de três populações, e utilizada uma intensidade de seleção de 40%, sendo estas, cruzadas com três testadores. Os híbridos obtidos juntamente com tratamentos testemunha foram instalados em cinco experimentos, sendo três em MG, um em SC e um no PR, e foi avaliada a produtividade de grãos. A análise foi realizada via abordagem de modelos mistos, e para o cálculo dos componentes de variância foi utilizado o método REML e a predição das médias via BLUP. Também foram preditos os BLUPs da capacidade geral e específica de combinação, e estimados os coeficientes de correlação de Spearman entre BLUPs. No conjunto de progênies em estudo, os efeitos de dominância tiveram maior influência na expressão da produtividade, isto também pode ser observado pela maior amplitude nos valores da CEC. Houve uma coincidência de 86%, considerando a estratégia em que o índice de seleção foi efetuado, dentro das três populações, em relação à seleção pelo valor geral de CGC. Dentre os 444 híbridos, foram considerados os 133 com os maiores valores de CEC. Considerando os híbridos superiores, as progênies da população C superaram em 24,6% a quantidade de híbridos esperados, enquanto a redução foi de 30,8% e 20% para A e B. Os híbridos que apresentaram maiores médias BLUP, foram os cruzamentos entre progênies da população C, juntamente com o testador LE84. Independente do testador, utilizando-se médias BLUP ou CEC, o ranqueamento dos híbridos será pouco alterado, devido a alta correlação. A baixa correlação entre testadores, tanto para CEC, quanto para BLUP da média, indica que há interação progênies x testadores.Corn is broadly cultivated from north to south of Brazil. Many hybrids are available to farmers that present high yield potential. Therefore, one of the greatest challenges corn breeders must overcome is to replace the hybrids currently used. One of the main steps in breeding programs is the development of inbred lines, which will later be used for hybrid development. In inbred line development, early selection in the first generations of self-pollination is common. The success of early selection is mainly due to good progeny stability in self-pollination generations, and high correlation among S2 and S6 progeny, tested as topcross hybrids. The adoption of mix models for data analysis is an important tool to improve genotype screening, allowing great flexibility for unbalanced data analysis and offering more accurate genotype values. Therefore, the objective of this study was to select S2 corn progenies, evaluated as topcross hybrids, using mix model methodology. We used 500 S2 progenies obtained from three population, grown and submitted to a screening level of 40%. The resultant progenies were crossed with three testers. The hybrids and controls were tested to evaluate grain yield in five trials, three in Minas Gerais, one in Santa Catarina and one in Paraná, Brazil. The statistical analysis was performed using a mix model approach. We used the REML method to compute the variance component, and BLUP to predict the average. We also predicted BLUPs for General Combining Ability and Specific Combining Ability, as well as Spearman correlation coefficients among the BLUPs. For the overall progenies under study, the dominance effects had more influence over the expression of grain yield, shown by the wider range of SCA values. There was a coincidence of 86% on the selection strategy when made within the three populations regarding selection by the general value of GCA. Among all 444 hybrids, we considered the 133 with the highest SCA values. Considering superior hybrids, the progenies from population C exceeded the amount of expected hybrids by 24.6%, while the reduction was of 30.8% and 20% for A and B. The hybrids with higher BLUP values were crosses between progenies of population C with tester LE84. Regardless of the tester, using BLUP average or SCA, the hybrids ranking will be little changed due to high correlation. The low correlation among testers for SCA and average BLUP indicates the existence of progeny x testers interaction.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)Universidade Federal de LavrasPrograma de Pós-Graduação em Agronomia/FitotecniaUFLAbrasilDepartamento de AgriculturaMelhoramento VegetalZea maysCapacidade combinatorialModelos mistosDesenvolvimento de linhagensCombining abilityMix modelsInbred line developmentSeleção de progênies S2 de milho com abordagem de modelos mistosScreening of S2 corn progenies using mix model approachinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisVon Pinho, Renzo GarciaSouza, João Cândido deBotelho, Flávia Barbosa SilvaBruzi, Adriano TeodoroAfférri, Flávio Sérgiohttp://lattes.cnpq.br/1037126847168855Cancellier, Leandro Lopesporreponame:Repositório Institucional da UFLAinstname:Universidade Federal de Lavras (UFLA)instacron:UFLAinfo:eu-repo/semantics/openAccessORIGINALTESE_Seleção de progênies S2 de milho com abordagem de modelos mistos.pdfTESE_Seleção de progênies S2 de milho com abordagem de modelos mistos.pdfapplication/pdf1959176https://repositorio.ufla.br/bitstreams/78d0a65b-bafd-47ea-977a-1aad5657fa3e/downloadbf45e3e2847544897fc41a5d78adbbacMD51trueAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-8925https://repositorio.ufla.br/bitstreams/42a171d0-22cb-43d7-8e6e-f15f68e9b8f8/downloadb8680a72aba1154c473a67df97ef44b9MD52falseAnonymousREADTEXTTESE_Seleção de progênies S2 de milho com abordagem de modelos mistos.pdf.txtTESE_Seleção de progênies S2 de milho com abordagem de modelos mistos.pdf.txtExtracted texttext/plain103047https://repositorio.ufla.br/bitstreams/d8522193-f101-4d94-9394-e64a84c04d29/download3bf0677b5a797d3d1b2f7ec96add06c5MD53falseAnonymousREADTHUMBNAILTESE_Seleção de progênies S2 de milho com abordagem de modelos mistos.pdf.jpgTESE_Seleção de progênies S2 de milho com abordagem de modelos mistos.pdf.jpgGenerated Thumbnailimage/jpeg2930https://repositorio.ufla.br/bitstreams/d937277f-8e7b-4162-bf89-dec11c0334f5/downloadf4118f2e29e0d50fb247c8a86896579aMD54falseAnonymousREAD1/105792025-08-11 09:56:43.583open.accessoai:repositorio.ufla.br:1/10579https://repositorio.ufla.brRepositório InstitucionalPUBhttps://repositorio.ufla.br/server/oai/requestnivaldo@ufla.br || repositorio.biblioteca@ufla.bropendoar:2025-08-11T12:56:43Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)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
dc.title.pt_BR.fl_str_mv Seleção de progênies S2 de milho com abordagem de modelos mistos
dc.title.alternative.pt_BR.fl_str_mv Screening of S2 corn progenies using mix model approach
title Seleção de progênies S2 de milho com abordagem de modelos mistos
spellingShingle Seleção de progênies S2 de milho com abordagem de modelos mistos
Cancellier, Leandro Lopes
Melhoramento Vegetal
Zea mays
Capacidade combinatorial
Modelos mistos
Desenvolvimento de linhagens
Combining ability
Mix models
Inbred line development
title_short Seleção de progênies S2 de milho com abordagem de modelos mistos
title_full Seleção de progênies S2 de milho com abordagem de modelos mistos
title_fullStr Seleção de progênies S2 de milho com abordagem de modelos mistos
title_full_unstemmed Seleção de progênies S2 de milho com abordagem de modelos mistos
title_sort Seleção de progênies S2 de milho com abordagem de modelos mistos
author Cancellier, Leandro Lopes
author_facet Cancellier, Leandro Lopes
author_role author
dc.contributor.advisor1.fl_str_mv Von Pinho, Renzo Garcia
dc.contributor.referee1.fl_str_mv Souza, João Cândido de
dc.contributor.referee2.fl_str_mv Botelho, Flávia Barbosa Silva
dc.contributor.referee3.fl_str_mv Bruzi, Adriano Teodoro
dc.contributor.referee4.fl_str_mv Afférri, Flávio Sérgio
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/1037126847168855
dc.contributor.author.fl_str_mv Cancellier, Leandro Lopes
contributor_str_mv Von Pinho, Renzo Garcia
Souza, João Cândido de
Botelho, Flávia Barbosa Silva
Bruzi, Adriano Teodoro
Afférri, Flávio Sérgio
dc.subject.cnpq.fl_str_mv Melhoramento Vegetal
topic Melhoramento Vegetal
Zea mays
Capacidade combinatorial
Modelos mistos
Desenvolvimento de linhagens
Combining ability
Mix models
Inbred line development
dc.subject.por.fl_str_mv Zea mays
Capacidade combinatorial
Modelos mistos
Desenvolvimento de linhagens
Combining ability
Mix models
Inbred line development
description O milho é cultivado de norte a sul do Brasil. Há grande quantidade de híbridos disponíveis aos produtores, e estes apresentam altas produtividades, assim, substituir com vantagens os híbridos atuais é um dos grandes desafios dos melhoristas. Em programas de melhoramento, uma das principais etapas é a obtenção de linhagens, e que, posteriormente, serão utilizados para a formação de híbridos. No processo de obtenção de linhagens é comum a seleção precoce desses genótipos nas primeiras gerações de autofecundação. O sucesso na seleção precoce se deve principalmente à boa estabilidade das progênies ao longo das gerações de autofecundação, e a alta correlação de progênies S2 em topcrosses com progênies em S6. A utilização de modelos mistos para a análise de dados, também é uma importante ferramenta para aumentar o sucesso na seleção de genótipos, pois, permite uma grande flexibilidade na análise de dados desbalanceados, e fornece valores genotípicos mais acurados. Desta forma o objetivo deste trabalho foi selecionar em geração precoce de endogamia (S2) progênies avaliadas em topcrosses, utilizando a metodologia de modelos mistos. Foram plantadas 500 progênies S2 provenientes de três populações, e utilizada uma intensidade de seleção de 40%, sendo estas, cruzadas com três testadores. Os híbridos obtidos juntamente com tratamentos testemunha foram instalados em cinco experimentos, sendo três em MG, um em SC e um no PR, e foi avaliada a produtividade de grãos. A análise foi realizada via abordagem de modelos mistos, e para o cálculo dos componentes de variância foi utilizado o método REML e a predição das médias via BLUP. Também foram preditos os BLUPs da capacidade geral e específica de combinação, e estimados os coeficientes de correlação de Spearman entre BLUPs. No conjunto de progênies em estudo, os efeitos de dominância tiveram maior influência na expressão da produtividade, isto também pode ser observado pela maior amplitude nos valores da CEC. Houve uma coincidência de 86%, considerando a estratégia em que o índice de seleção foi efetuado, dentro das três populações, em relação à seleção pelo valor geral de CGC. Dentre os 444 híbridos, foram considerados os 133 com os maiores valores de CEC. Considerando os híbridos superiores, as progênies da população C superaram em 24,6% a quantidade de híbridos esperados, enquanto a redução foi de 30,8% e 20% para A e B. Os híbridos que apresentaram maiores médias BLUP, foram os cruzamentos entre progênies da população C, juntamente com o testador LE84. Independente do testador, utilizando-se médias BLUP ou CEC, o ranqueamento dos híbridos será pouco alterado, devido a alta correlação. A baixa correlação entre testadores, tanto para CEC, quanto para BLUP da média, indica que há interação progênies x testadores.
publishDate 2015
dc.date.submitted.none.fl_str_mv 2015-02-26
dc.date.accessioned.fl_str_mv 2015-11-10T13:16:45Z
dc.date.available.fl_str_mv 2015-11-10T13:16:45Z
dc.date.issued.fl_str_mv 2015-11-10
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv CANCELLIER, L. L. Seleção de progênies S2 de milho com abordagem de modelos mistos. 2015. 76 p. Tese (Doutorado em Agronomia/Fitotecnia)-Universidade Federal de Lavras, Lavras, 2015.
dc.identifier.uri.fl_str_mv https://repositorio.ufla.br/handle/1/10579
identifier_str_mv CANCELLIER, L. L. Seleção de progênies S2 de milho com abordagem de modelos mistos. 2015. 76 p. Tese (Doutorado em Agronomia/Fitotecnia)-Universidade Federal de Lavras, Lavras, 2015.
url https://repositorio.ufla.br/handle/1/10579
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Lavras
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Agronomia/Fitotecnia
dc.publisher.initials.fl_str_mv UFLA
dc.publisher.country.fl_str_mv brasil
dc.publisher.department.fl_str_mv Departamento de Agricultura
publisher.none.fl_str_mv Universidade Federal de Lavras
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFLA
instname:Universidade Federal de Lavras (UFLA)
instacron:UFLA
instname_str Universidade Federal de Lavras (UFLA)
instacron_str UFLA
institution UFLA
reponame_str Repositório Institucional da UFLA
collection Repositório Institucional da UFLA
bitstream.url.fl_str_mv https://repositorio.ufla.br/bitstreams/78d0a65b-bafd-47ea-977a-1aad5657fa3e/download
https://repositorio.ufla.br/bitstreams/42a171d0-22cb-43d7-8e6e-f15f68e9b8f8/download
https://repositorio.ufla.br/bitstreams/d8522193-f101-4d94-9394-e64a84c04d29/download
https://repositorio.ufla.br/bitstreams/d937277f-8e7b-4162-bf89-dec11c0334f5/download
bitstream.checksum.fl_str_mv bf45e3e2847544897fc41a5d78adbbac
b8680a72aba1154c473a67df97ef44b9
3bf0677b5a797d3d1b2f7ec96add06c5
f4118f2e29e0d50fb247c8a86896579a
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)
repository.mail.fl_str_mv nivaldo@ufla.br || repositorio.biblioteca@ufla.br
_version_ 1854947833355960320