Predição de desempenho de híbridos de milho utilizando modelos lineares mistos com a informação de marcadores moleculares

Detalhes bibliográficos
Ano de defesa: 2009
Autor(a) principal: Balestre, Marcio
Orientador(a): Von Pinho, Renzo Garcia
Banca de defesa: Souza, João Cândido de, Lima, Renato Ribeiro de
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: UNIVERSIDADE FEDERAL DE LAVRAS
Programa de Pós-Graduação: DBI - Programa de Pós-graduação
Departamento: Não Informado pela instituição
País: BRASIL
Palavras-chave em Português:
BLUP
Microssatélites
Acurácia de predição
Microsattelites
Acurracy
Área do conhecimento CNPq:
CNPQ_NÃO_INFORMADO
Link de acesso: https://repositorio.ufla.br/handle/1/4374
Resumo: Genética e Melhoramento de Plantas
id UFLA_9b2fcaed29c09f303edde7d65e3455a5
oai_identifier_str oai:repositorio.ufla.br:1/4374
network_acronym_str UFLA
network_name_str Repositório Institucional da UFLA
repository_id_str
spelling 2014-10-08T18:26:48Z2014-10-08T18:26:48Z2014-10-082009-02-20BALESTRE, M. Predição de desempenho de híbridos de milho utilizando modelos lineares mistos com a informação de marcadores moleculares. 2009. 64 p. Dissertação (Mestrado em Genética e Melhoramento de Plantas)-Universidade Federal de Lavras, Lavras, 2009.https://repositorio.ufla.br/handle/1/4374UNIVERSIDADE FEDERAL DE LAVRASDBI - Programa de Pós-graduaçãoUFLABRASILCNPQ_NÃO_INFORMADOBLUPMicrossatélitesAcurácia de prediçãoMicrosattelitesAcurracyPredição de desempenho de híbridos de milho utilizando modelos lineares mistos com a informação de marcadores molecularesPrediction of maize hybrids performance by linear mixed models with molecular markers informationinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisGenética e Melhoramento de PlantasNos últimos anos, várias metodologias têm sido empregadas no intuito de avaliar o desempenho de híbridos de milho. O objetivo deste trabalho foi verificar qual o potencial do melhor preditor linear não viciado (BLUP) e das distâncias genéticas na predição de híbridos de milho. Foram utilizadas noventa progênies S0:2 provenientes de três populações oriundas de três híbridos simples comerciais. Utilizaram-se 30 progênies da população A (híbrido 30F45), 31 da população B (híbrido Dow 657) e 29 da população C (DKB333B). Todas as 90 progênies foram genotipadas com 25 marcadores de microssatélites (SSR), sendo 9 dessas marcas ligadas à QTL para produtividade de grãos. A partir das análises moleculares, foram obtidas as similaridades genéticas e o parentesco, empregando-se a distância modificada de Roger e o coeficiente de Lynch e Ritland, respectivamente. Com base nas similaridades genéticas, foram selecionadas 17 linhagens que foram intercruzadas em um sistema de dialelo parcial, com o objetivo de recuperar os cruzamentos mais e menos divergentes. Assim, foram avaliados 60 híbridos em dois locais em látice triplo 8x8. Também foram utilizados os resultados de similaridade e parentesco para a construção da matriz genética aditiva e de dominância que, posteriormente, foram empregadas em associação com o BLUP, para a predição dos valores genotípicos e da CEC dos híbridos não avaliados. Para isso, foram simulados cinco graus de desbalanceamento (5, 10, 20, 30 e 40). Os valores de similaridades genéticas também foram utilizados na predição dos híbridos, ou seja, correlacionaram-se as DMR com a produtividade, CEC e heterose dos híbridos avaliados. Para teste de significância da correlação entre DMR com a produtividade utilizou-se um teste empírico via simulação Monte Carlo. Neste estudo, foi observado que 71% dos híbridos interpopulacionais apresentaram desempenho superior aos híbridos genitores (30F45, Dow657 e DKB333B). Além disso, observou-se que as distâncias genéticas apresentaram média capacidade preditiva da produtividade (0,546), da capacidade de combinação (0,567) e da heterose (0,661). A simulação Monte Carlo apresentou-se como uma alternativa viável para teste de correlação entre distâncias genética e produtividade, principalmente por verificar se o tamanho da amostra utilizado para estudo de correlação é adequado. No que se refere às predições utilizando o BLUP, pode-se observar que os valores de correlações entre os valores genotípicos preditos e as médias observadas variaram de 0,55 a 0,70, dependendo do grau de desbalanceamento. Resultado semelhante foi observado para as predições da CEC, ou seja, variaram de 0,61 a 0,70. Além disso, constatou-se que o coeficiente de parentesco de Lynch e Ritland associado ao BLUP proporcionou predições mais acuradas, quando comparado às predições obtidas pela similaridade no estado, estimada pela distância modificada de Roger. O método (BLUP) demonstrou ser uma alternativa viável na predição de cruzamentos não realizados, porém, sua eficácia é maior quando coeficientes de similaridade adequados são utilizados para a construção da matriz de parentesco.In the last years, several methodologies have been used to predict the untested maize hybrids performance. Thus, the aim of this work was to ascertain the potential of the best linear unbiased prediction (BLUP) and the genetic distance in the prediction of maize hybrids performance. Ninety S0:2 progenies from three populations of three single cross hybrids were utilized being thirty progenies from population A (P30F45 hybrid), thirty-one from population B (DOW657 hybrids) and twenty-nine from population C. The ninety progenies were genotyped with twenty-five SSR markers, with nine QTL's markers linked to grain yield. Starting from the molecular analysis, the genetic similarities and the relationship were obtained by Roger's modified distance and the Lynch and Ritland coefficient respectively. Based on the genetic similarities, 17 progenies were selected and crossed in a partial diallel design, to recover the must and least divergent crosses. Thus, sixty hybrids were evaluated in two environments using 8x8 lattice design with three replications. The similarity and relationship results were used to construct additive and dominance matrixes that were utilized in association with BLUP for prediction of the untested maize hybrids. Five unbalanced degrees were simulate (5, 10, 20, 30 and 40).The genetic similarities values were also used for hybrids predictions, in other words, they were correlated with yield, SCA and heterosis of the appraised hybrids. For significance test of correlation among DMR and yield, the Monte Carlo empirical test was applied. In this study it was observed that 71% of the interpopulation hybrids showed superior performance in relation to the parental hybrids (30F45, Dow657 e DKB333B). In addition, it was observed that the genetic distances presented a medium capacity to predict yield (0.546), specific combining ability (0.567) and heterosis (0.661).The Monte Carlo simulation demonstrated to be a viable alternative for correlation test between genetic distance and yield, mainly for verifying if the sample size is suitable. Considering the BLUP predictions, it can be observed that the correlations between the genotypic values predicted and the phenotypic means varied from 0.55 to 0.70 depending on the unbalanced degree. Similar results were observed for the SCA predictions, which varied from 0.61 to 0.70. Besides, it was verified that the Lynch and Ritland coefficient associated with BLUP provided more accurate predictions when compared to the similarity in state predictions estimated by the Roger's modified distance. Thus, it is possible to infer that BLUP methodology demonstrated to be a viable alternative to predict the performance of untested hybrids, however, this efficiency is larger when appropriate similarity coefficients are used to construct the relationship matrix.Von Pinho, Renzo GarciaSouza, João Cândido deLima, Renato Ribeiro deBalestre, Marcioinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFLAinstname:Universidade Federal de Lavras (UFLA)instacron:UFLAORIGINALDISSERTAÇÃO_ Predição de desempenho de híbridos de milho utilizando modelos lineares mistos com a informação de marcadores moleculares.pdfDISSERTAÇÃO_ Predição de desempenho de híbridos de milho utilizando modelos lineares mistos com a informação de marcadores moleculares.pdfapplication/pdf398177https://repositorio.ufla.br/bitstreams/22df30a1-ef9a-44b1-b232-0ebf323b1c6c/download92c034c0d6ff3a46d1e7ca474e8a03feMD51trueAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-8953https://repositorio.ufla.br/bitstreams/e57322f0-4d25-442a-99e7-6382bb10c736/download760884c1e72224de569e74f79eb87ce3MD52falseAnonymousREADTEXTDISSERTAÇÃO_ Predição de desempenho de híbridos de milho utilizando modelos lineares mistos com a informação de marcadores moleculares.pdf.txtDISSERTAÇÃO_ Predição de desempenho de híbridos de milho utilizando modelos lineares mistos com a informação de marcadores moleculares.pdf.txtExtracted texttext/plain103175https://repositorio.ufla.br/bitstreams/2821c50d-8697-4b99-aefc-a80ebb4a6bac/download8ac12010352c170b9dceea1196ea77f6MD53falseAnonymousREADTHUMBNAILDISSERTAÇÃO_ Predição de desempenho de híbridos de milho utilizando modelos lineares mistos com a informação de marcadores moleculares.pdf.jpgDISSERTAÇÃO_ Predição de desempenho de híbridos de milho utilizando modelos lineares mistos com a informação de marcadores moleculares.pdf.jpgGenerated Thumbnailimage/jpeg2468https://repositorio.ufla.br/bitstreams/f6f1f140-e345-4bb9-baa7-2a13e74c8846/download987f20f8dd70436c3a811050259da32eMD54falseAnonymousREAD1/43742025-08-05 17:18:48.761open.accessoai:repositorio.ufla.br:1/4374https://repositorio.ufla.brRepositório InstitucionalPUBhttps://repositorio.ufla.br/server/oai/requestnivaldo@ufla.br || repositorio.biblioteca@ufla.bropendoar:2025-08-05T20:18:48Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)falseREVDTEFSQcOHw4NPIERFIERJU1RSSUJVScOHw4NPIE7Dg08tRVhDTFVTSVZBCk8gcmVmZXJpZG8gYXV0b3I6CmEpIERlY2xhcmEgcXVlIG8gZG9jdW1lbnRvIGVudHJlZ3VlIMOpIHNldSB0cmFiYWxobyBvcmlnaW5hbCwgZSBxdWUKZGV0w6ltIG8gZGlyZWl0byBkZSBjb25jZWRlciBvcyBkaXJlaXRvcyBjb250aWRvcyBuZXN0YSBsaWNlbsOnYS4KRGVjbGFyYSB0YW1iw6ltIHF1ZSBhIGVudHJlZ2EgZG8gZG9jdW1lbnRvIG7Do28gaW5mcmluZ2UsIHRhbnRvIHF1YW50bwpsaGUgw6kgcG9zc8OtdmVsIHNhYmVyLCBvcyBkaXJlaXRvcyBkZSBxdWFscXVlciBvdXRyYSBwZXNzb2Egb3UKZW50aWRhZGUuCmIpIFNlIG8gZG9jdW1lbnRvIGVudHJlZ3VlIGNvbnTDqW0gbWF0ZXJpYWwgZG8gcXVhbCBuw6NvIGRldMOpbSBvcwpkaXJlaXRvcyBkZSBhdXRvciwgZGVjbGFyYSBxdWUgb2J0ZXZlIGF1dG9yaXphw6fDo28gZG8gZGV0ZW50b3IgZG9zCmRpcmVpdG9zIGRlIGF1dG9yIHBhcmEgY29uY2VkZXIgw6AgVW5pdmVyc2lkYWRlIEZlZGVyYWwgZGUgTGF2cmFzIG9zCmRpcmVpdG9zIHJlcXVlcmlkb3MgcG9yIGVzdGEgbGljZW7Dp2EsIGUgcXVlIGVzc2UgbWF0ZXJpYWwgY3Vqb3MKZGlyZWl0b3Mgc8OjbyBkZSB0ZXJjZWlyb3MgZXN0w6EgY2xhcmFtZW50ZSBpZGVudGlmaWNhZG8gZSByZWNvbmhlY2lkbwpubyB0ZXh0byBvdSBjb250ZcO6ZG8gZG8gZG9jdW1lbnRvIGVudHJlZ3VlLiBTZSBvIGRvY3VtZW50byBlbnRyZWd1ZSDDqQpiYXNlYWRvIGVtIHRyYWJhbGhvIGZpbmFuY2lhZG8gb3UgYXBvaWFkbyBwb3Igb3V0cmEgaW5zdGl0dWnDp8OjbyBxdWUKbsOjbyBhIFVuaXZlcnNpZGFkZSBGZWRlcmFsIGRlIExhdnJhcywgZGVjbGFyYSBxdWUgY3VtcHJpdSBxdWFpc3F1ZXIKb2JyaWdhw6fDtWVzIGV4aWdpZGFzIHBlbG8gcmVzcGVjdGl2byBjb250cmF0byBvdSBhY29yZG8uCgo=
dc.title.pt_BR.fl_str_mv Predição de desempenho de híbridos de milho utilizando modelos lineares mistos com a informação de marcadores moleculares
dc.title.alternative.pt_BR.fl_str_mv Prediction of maize hybrids performance by linear mixed models with molecular markers information
title Predição de desempenho de híbridos de milho utilizando modelos lineares mistos com a informação de marcadores moleculares
spellingShingle Predição de desempenho de híbridos de milho utilizando modelos lineares mistos com a informação de marcadores moleculares
Balestre, Marcio
CNPQ_NÃO_INFORMADO
BLUP
Microssatélites
Acurácia de predição
Microsattelites
Acurracy
title_short Predição de desempenho de híbridos de milho utilizando modelos lineares mistos com a informação de marcadores moleculares
title_full Predição de desempenho de híbridos de milho utilizando modelos lineares mistos com a informação de marcadores moleculares
title_fullStr Predição de desempenho de híbridos de milho utilizando modelos lineares mistos com a informação de marcadores moleculares
title_full_unstemmed Predição de desempenho de híbridos de milho utilizando modelos lineares mistos com a informação de marcadores moleculares
title_sort Predição de desempenho de híbridos de milho utilizando modelos lineares mistos com a informação de marcadores moleculares
author Balestre, Marcio
author_facet Balestre, Marcio
author_role author
dc.contributor.advisor1.fl_str_mv Von Pinho, Renzo Garcia
dc.contributor.referee1.fl_str_mv Souza, João Cândido de
Lima, Renato Ribeiro de
dc.contributor.author.fl_str_mv Balestre, Marcio
contributor_str_mv Von Pinho, Renzo Garcia
Souza, João Cândido de
Lima, Renato Ribeiro de
dc.subject.cnpq.fl_str_mv CNPQ_NÃO_INFORMADO
topic CNPQ_NÃO_INFORMADO
BLUP
Microssatélites
Acurácia de predição
Microsattelites
Acurracy
dc.subject.por.fl_str_mv BLUP
Microssatélites
Acurácia de predição
Microsattelites
Acurracy
description Genética e Melhoramento de Plantas
publishDate 2009
dc.date.submitted.none.fl_str_mv 2009-02-20
dc.date.accessioned.fl_str_mv 2014-10-08T18:26:48Z
dc.date.available.fl_str_mv 2014-10-08T18:26:48Z
dc.date.issued.fl_str_mv 2014-10-08
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv BALESTRE, M. Predição de desempenho de híbridos de milho utilizando modelos lineares mistos com a informação de marcadores moleculares. 2009. 64 p. Dissertação (Mestrado em Genética e Melhoramento de Plantas)-Universidade Federal de Lavras, Lavras, 2009.
dc.identifier.uri.fl_str_mv https://repositorio.ufla.br/handle/1/4374
identifier_str_mv BALESTRE, M. Predição de desempenho de híbridos de milho utilizando modelos lineares mistos com a informação de marcadores moleculares. 2009. 64 p. Dissertação (Mestrado em Genética e Melhoramento de Plantas)-Universidade Federal de Lavras, Lavras, 2009.
url https://repositorio.ufla.br/handle/1/4374
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 DBI - Programa de Pós-graduação
dc.publisher.initials.fl_str_mv UFLA
dc.publisher.country.fl_str_mv BRASIL
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/22df30a1-ef9a-44b1-b232-0ebf323b1c6c/download
https://repositorio.ufla.br/bitstreams/e57322f0-4d25-442a-99e7-6382bb10c736/download
https://repositorio.ufla.br/bitstreams/2821c50d-8697-4b99-aefc-a80ebb4a6bac/download
https://repositorio.ufla.br/bitstreams/f6f1f140-e345-4bb9-baa7-2a13e74c8846/download
bitstream.checksum.fl_str_mv 92c034c0d6ff3a46d1e7ca474e8a03fe
760884c1e72224de569e74f79eb87ce3
8ac12010352c170b9dceea1196ea77f6
987f20f8dd70436c3a811050259da32e
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_ 1854947688391376896

Registros relacionados