Genomic prediction strategies for grain yield stability in second season maize hybrids
| Ano de defesa: | 2023 |
|---|---|
| Autor(a) principal: |
Silva, Eric Vinicius Vieira
 |
| Orientador(a): | |
| Banca de defesa: | , , , |
| Tipo de documento: | Tese |
| Tipo de acesso: | Acesso aberto |
| Idioma: | eng |
| Instituição de defesa: |
Universidade Federal de Lavras
|
| Programa de Pós-Graduação: |
Programa de Pós-graduação em Genética e Melhoramento de Plantas
|
| Departamento: |
Departamento de Biologia
|
| País: |
brasil
|
| Palavras-chave em Português: | |
| Área do conhecimento CNPq: | |
| Link de acesso: | https://repositorio.ufla.br/handle/1/58259 |
Resumo: | Arquivo retido, a pedido do autor, até março de 2026. |
| id |
UFLA_9d0b7c3b2658fc6b45c4b61adc2beecb |
|---|---|
| oai_identifier_str |
oai:repositorio.ufla.br:1/58259 |
| network_acronym_str |
UFLA |
| network_name_str |
Repositório Institucional da UFLA |
| repository_id_str |
|
| spelling |
2023-08-14T19:14:43Z2023-08-14T19:14:43Z2023-08-102023-07-10SILVA, E. V. V. Genomic prediction strategies for grain yield stability in second season maize hybrids. 2023. 71 p. Tese (Doutorado em Genética e Melhoramento de Plantas)–Universidade Federal de Lavras, Lavras, 2023.https://repositorio.ufla.br/handle/1/58259Arquivo retido, a pedido do autor, até março de 2026.A interação genótipos por ambientes (GxA) é um fator complicador do melhoramento de milho. Selecionar híbridos que apresentem comportamento estável, ao longo dos locais e anos, é essencial para o programa. Essa característica ganha ainda mais importância para os programas voltados para a segunda safra. A inclusão de ferramentas de predição genômica, nos programas de melhoramento de milho, tem sido cada vez mais frequente. A seleção genômica não somente permite a redução do tempo necessário, para a realização de um ciclo de melhoramento, mas também aumentar a quantidade de genótipos em estudo, sem aumentar significativamente os custos com fenotipagem. Há diversos relatos das vantagens da inclusão da GxA nos modelos de predição. Entretanto, há poucos relatos de estudos visando predizer a estabilidade produtiva em híbridos de milho. Diante do exposto, o presente trabalho foi realizado com o intuito de verificar a viabilidade de predizer a estabilidade em híbridos de segunda safra e definir estratégias simples e eficientes para lidar com os cenários reais de ensaios Multiambientais. Foram realizados dois trabalhos de pesquisa. Para este estudo, foi utilizado um conjunto de dados de um programa privado de melhoramento de milho. Mais de 1300 híbridos foram avaliados, em 12 ambientes distintos, durante as safrinhas de 2012/13 e 2013/14. O conjunto de dados foi subdivido em três: 1) 185 híbridos comuns ao longo dos seis ambientes em 2012/13; 2) 309 híbridos avaliados nos seis ambientes de 2012/13; 3) 710 híbridos avaliados nos seis ambientes de 2013/14. O conjunto 1 foi utilizado no primeiro trabalho, enquanto os conjuntos 2 e 3 no segundo. No primeiro trabalho, as predições de nove índices de adaptabilidade e estabilidade foram comparadas com uma abordagem multiambiental, em um cenário de balanceamento genético, ao longo dos ambientes. Foi utilizado o modelo BRR (Bayesian Ridge Regression), e as capacidades preditivas foram aferidas via validação cruzada (10-fold). Os índices da distância euclidiana e MHPRVG (Média Harmônica da Performance Relativa dos Valores Genéticos) se mostraram superiores à abordagem multiambiental. No segundo trabalho, o modelo BRR foi mantido, entretanto foram considerados quatro cenários de predição: i) ambiente-único; ii) índices de estabilidade; iii) multiambiental (ME) desconsiderando GxA; e iv) ME incluindo a GxA. Além disso, foram considerados dois esquemas de validação cruzada: CV1 (10-fold) e CV2 (predição de ambientes inteiros, utilizado para a abordagem ME). O índice da distância euclidiana não se mostrou viável, já a utilização da MHPRVG mostrou-se consistente para ambos os conjuntos de dados. Considerando CV1, a inclusão da interação GxA não foi vantajosa, aumentando o tempo necessário para as predições, mas sem ganhos (2012/13) ou com ganhos marginais (2013/14) na capacidade preditiva. Considerando CV2, iii e iv apresentaram capacidades preditivas muito baixas. De forma geral, no segundo trabalho, a abordagem ME (iii) foi superior aos índices de estabilidade (ii), entretanto a utilização do índice MHPRVG, como estratégia para predizer a estabilidade de híbridos de milho de segunda safra, mostrou-se viável nos dois trabalhos.The genotype by environment interaction (GxE) is a major factor in maize breeding. Therefore, it is essential to select genotypes that are stable across locations and over the years. Genotype stability is even more important for second season maize breeding programs. The use of genomic prediction tools in maize breeding has been frequent. Genomic selection not only reduces the time required per breeding cycle but also allows to study of a higher number of genotypes without significantly increasing the phenotyping costs. Several reports highlight the advantages of including the GxE in the prediction models. However, to predict maize stability has been scarcely reported. Given the above, the present work was carried out aiming to verify the feasibility of predicting second season maize stability and to define simple and efficient strategies to deal with real scenarios of multi-environment trials. Two research works were performed. For this study, a private maize breeding dataset was used. Over 1300 maize hybrids were assessed across 12 environments during the 2012/13 and 2013/14 second seasons. The dataset was split into three: 1) 128 hybrids that were common across the six 2012/13’s environments; 2) all 309 hybrids assessed in the six 2012/13’s environments; 3) all 710 hybrids assessed in the six 2013/14’s environments. Dataset 1 was used in the first research work, while datasets 2 and 3 in the second one. In the first work, the predictions of nine adaptability and stability indices were compared to a multi-environmental approach under a genetically balanced (across the environments) scenario. A BRR (Bayesian Ridge Regression) model was used, and the predictive abilities were measured via cross-validation (10-fold). The Euclidean Distance and MHPRVG (harmonic mean of the relative performance of the breeding values) indices outperformed the multi-environmental approach. In the second work, the BRR model was maintained, however, four prediction scenarios were considered: i) single-environment; ii) stability indices; iii) Multi-environmental (ME) without including GxE, and iv) ME including GxE effects. In addition, it was considered two cross-validation schemes: CV1 (10-fold), and CV2 (whole environment predictions, ME only). The Euclidian distance index did not prove feasible, on the other hand, the MHPRVG results were consistent for both datasets. Considering CV1, the inclusion of GxE was not advantageous, increasing the time required for predictions either without (2012/13) or with marginal gains (2013/14) in predictive ability. Considering CV2, iii e iv presented very poor predictability. In general, considering the second work, the ME approach (iii) outperformed the stability indices (ii), however, in both works, the use of MHPRVG index has proved feasible as a strategy to predict the stability of second season maize hybrids.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Universidade Federal de LavrasPrograma de Pós-graduação em Genética e Melhoramento de PlantasUFLAbrasilDepartamento de BiologiaAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessMelhoramento VegetalHíbridos de milhoInteração genótipos por ambientesSeleção genômicaÍndices de estabilidadeMHPRVGInteração genótipo x AmbienteInteração genótipo-ambienteAnálise preditivaValidação cruzadaMaize hybridsGenotypes-by-environments interactionGenomic selectionStability indexHarmonic mean of the relative performance of the breeding valuesGenotype x Environment interactionGenotype-environment interactionPredictive accuracyCross-validationZea maysGenomic prediction strategies for grain yield stability in second season maize hybridsEstratégias de predição genômica para a estabilidade produtiva de híbridos de milho de segunda safrainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisVon Pinho, Renzo GarciaPádua, José Maria VillelaSilva, Carlos Pereira daBrito, André Humberto deSouza, Vander Fillipe dehttp://lattes.cnpq.br/5002914529225642Silva, Eric Vinicius Vieiraengreponame:Repositório Institucional da UFLAinstname:Universidade Federal de Lavras (UFLA)instacron:UFLACC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8804https://repositorio.ufla.br/bitstreams/ad4786af-3661-44b0-a5f2-735d26c61f38/downloadc1efe8e24d7281448e873be30ea326ffMD51falseAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-8956https://repositorio.ufla.br/bitstreams/f960a050-f4b4-49e2-a58d-c0071f71451f/download5ea4a165b7202cbf475be400d2e16893MD52falseAnonymousREAD1/582592025-08-06 08:45:05.029http://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internationalmetadata.onlyoai:repositorio.ufla.br:1/58259https://repositorio.ufla.brRepositório InstitucionalPUBhttps://repositorio.ufla.br/server/oai/requestnivaldo@ufla.br || repositorio.biblioteca@ufla.bropendoar:2025-08-06T11:45:05Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)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 |
| dc.title.pt_BR.fl_str_mv |
Genomic prediction strategies for grain yield stability in second season maize hybrids |
| dc.title.alternative.pt_BR.fl_str_mv |
Estratégias de predição genômica para a estabilidade produtiva de híbridos de milho de segunda safra |
| title |
Genomic prediction strategies for grain yield stability in second season maize hybrids |
| spellingShingle |
Genomic prediction strategies for grain yield stability in second season maize hybrids Silva, Eric Vinicius Vieira Melhoramento Vegetal Híbridos de milho Interação genótipos por ambientes Seleção genômica Índices de estabilidade MHPRVG Interação genótipo x Ambiente Interação genótipo-ambiente Análise preditiva Validação cruzada Maize hybrids Genotypes-by-environments interaction Genomic selection Stability index Harmonic mean of the relative performance of the breeding values Genotype x Environment interaction Genotype-environment interaction Predictive accuracy Cross-validation Zea mays |
| title_short |
Genomic prediction strategies for grain yield stability in second season maize hybrids |
| title_full |
Genomic prediction strategies for grain yield stability in second season maize hybrids |
| title_fullStr |
Genomic prediction strategies for grain yield stability in second season maize hybrids |
| title_full_unstemmed |
Genomic prediction strategies for grain yield stability in second season maize hybrids |
| title_sort |
Genomic prediction strategies for grain yield stability in second season maize hybrids |
| author |
Silva, Eric Vinicius Vieira |
| author_facet |
Silva, Eric Vinicius Vieira |
| author_role |
author |
| dc.contributor.advisor1.fl_str_mv |
Von Pinho, Renzo Garcia |
| dc.contributor.referee1.fl_str_mv |
Pádua, José Maria Villela |
| dc.contributor.referee2.fl_str_mv |
Silva, Carlos Pereira da |
| dc.contributor.referee3.fl_str_mv |
Brito, André Humberto de |
| dc.contributor.referee4.fl_str_mv |
Souza, Vander Fillipe de |
| dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/5002914529225642 |
| dc.contributor.author.fl_str_mv |
Silva, Eric Vinicius Vieira |
| contributor_str_mv |
Von Pinho, Renzo Garcia Pádua, José Maria Villela Silva, Carlos Pereira da Brito, André Humberto de Souza, Vander Fillipe de |
| dc.subject.cnpq.fl_str_mv |
Melhoramento Vegetal |
| topic |
Melhoramento Vegetal Híbridos de milho Interação genótipos por ambientes Seleção genômica Índices de estabilidade MHPRVG Interação genótipo x Ambiente Interação genótipo-ambiente Análise preditiva Validação cruzada Maize hybrids Genotypes-by-environments interaction Genomic selection Stability index Harmonic mean of the relative performance of the breeding values Genotype x Environment interaction Genotype-environment interaction Predictive accuracy Cross-validation Zea mays |
| dc.subject.por.fl_str_mv |
Híbridos de milho Interação genótipos por ambientes Seleção genômica Índices de estabilidade MHPRVG Interação genótipo x Ambiente Interação genótipo-ambiente Análise preditiva Validação cruzada Maize hybrids Genotypes-by-environments interaction Genomic selection Stability index Harmonic mean of the relative performance of the breeding values Genotype x Environment interaction Genotype-environment interaction Predictive accuracy Cross-validation Zea mays |
| description |
Arquivo retido, a pedido do autor, até março de 2026. |
| publishDate |
2023 |
| dc.date.submitted.none.fl_str_mv |
2023-07-10 |
| dc.date.accessioned.fl_str_mv |
2023-08-14T19:14:43Z |
| dc.date.available.fl_str_mv |
2023-08-14T19:14:43Z |
| dc.date.issued.fl_str_mv |
2023-08-10 |
| 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 |
SILVA, E. V. V. Genomic prediction strategies for grain yield stability in second season maize hybrids. 2023. 71 p. Tese (Doutorado em Genética e Melhoramento de Plantas)–Universidade Federal de Lavras, Lavras, 2023. |
| dc.identifier.uri.fl_str_mv |
https://repositorio.ufla.br/handle/1/58259 |
| identifier_str_mv |
SILVA, E. V. V. Genomic prediction strategies for grain yield stability in second season maize hybrids. 2023. 71 p. Tese (Doutorado em Genética e Melhoramento de Plantas)–Universidade Federal de Lavras, Lavras, 2023. |
| url |
https://repositorio.ufla.br/handle/1/58259 |
| dc.language.iso.fl_str_mv |
eng |
| language |
eng |
| dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 International http://creativecommons.org/licenses/by-nc-nd/4.0/ info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 International http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| 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 Genética e Melhoramento de Plantas |
| dc.publisher.initials.fl_str_mv |
UFLA |
| dc.publisher.country.fl_str_mv |
brasil |
| dc.publisher.department.fl_str_mv |
Departamento de Biologia |
| 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/ad4786af-3661-44b0-a5f2-735d26c61f38/download https://repositorio.ufla.br/bitstreams/f960a050-f4b4-49e2-a58d-c0071f71451f/download |
| bitstream.checksum.fl_str_mv |
c1efe8e24d7281448e873be30ea326ff 5ea4a165b7202cbf475be400d2e16893 |
| bitstream.checksumAlgorithm.fl_str_mv |
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_ |
1854947694130233344 |