Estratégias para seleção de progênies em soja

Detalhes bibliográficos
Ano de defesa: 2016
Autor(a) principal: Pereira, Francielly de Cássia lattes
Orientador(a): Nunes, José Airton Rodrigues
Banca de defesa: Patto, Magno Antônio Ramalho, Matos, José Wilacildo de
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
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/1/11841
Resumo: Em programas de melhoramento de soja, o mérito da população tem sido, por vezes, desconsiderado para fins de seleção das progênies ou linhagens. Além disso, tradicionalmente a seleção dos melhores genótipos é realizada utilizando apenas a geração de referência, isto é, não são incluídas as avaliações em gerações anteriores. Diante disso, objetivou-se neste trabalho verificar a influência do mérito da população nas estimativas dos componentes genéticos e fenotípicos e na identificação das melhores progênies ou linhagens de soja, bem como quantificar a melhoria na eficiência do processo seletivo de linhagens por meio da análise sequencial. Foram utilizados dados de produtividade de grãos (sacas/ha) e de maturação absoluta (dias) do programa de melhoramento de soja da empresa Dupont – Divisão Pioneer. Os experimentos foram conduzidos nos anos agrícolas de 2012/2013, 2013/2014 e 2015/2016 em 17 municípios dos estados do Mato Grosso do Sul, Paraná, Santa Catarina e Rio Grande do Sul. Os dados foram analisados usando a abordagem de modelos mistos. Foram estimados os parâmetros, ganho genético com a seleção, correlação, índice de coincidência, ganho realizado e a resposta correlacionada, considerando e ignorando o mérito da população sob sete intensidades de seleção (1%, 5%, 10%,15%, 20%, 25% e 30%). Para verificar a eficiência da análise sequencial considerou-se algumas estratégias: A) análise considerando apenas a geração de referência (VCU); B) análise sequencial considerando a combinação dos experimentos W-teste e VCU; C) análise sequencial considerando os experimentos X-teste, W-teste e VCU; D) análise sequencial considerando os experimentos Y-teste, X-teste,W-teste e VCU; E) análise sequencial considerando os experimentos Z-teste, Y-teste , X-teste, Wteste e VCU; F) análise sequencial considerando os experimentos X-teste e VCU; G) análise sequencial considerando os experimentos Z-teste, X-teste e VCU. Nas estratégias B, C, D e E utilizaram-se dados de todos os genótipos nos ensaios, enquanto que nas estratégias F e G, apenas dados dos trinta genótipos comuns aos experimentos Z-teste, X-teste e VCU foram incluídos. As comparações das estratégias foram realizadas considerando as seguintes situações: 1) seleção das dez melhores linhagens na estratégia A e verificação do ranqueamento destas nas estratégias B, C, D e E; 2) Coincidência na seleção das dez melhores linhagens em cada estratégia de análise sequencial (B, C, D e E); 3) Seleção das dez melhores linhagens comuns aos experimentos Z-teste, X-teste e VCU. Concluiuse que os componentes de variância, a herdabilidade e o coeficiente de variação experimental foram melhor estimados quando o mérito da população foi considerado, proporcionando consequentemente maior ganho com a seleção tanto para produtividade como para maturação absoluta. A coincidência e o ranqueamento entre as progênies selecionadas, considerando e ignorando o mérito da população, foram de maior magnitude em gerações de endogamia mais avançadas e sob intensidades de seleção mais elevadas. Houve alteração na classificação e na coincidência das linhagens selecionadas quando se considera a análise sequencial envolvendo as gerações prévias relativo à geração de referência, demonstrando sua influência na recomendação de novas cultivares. Esta alteração é mais evidente em condições de grande desbalanceamento.
id UFLA_e855fa80587531e9ad8f3b01ad52acf4
oai_identifier_str oai:repositorio.ufla.br:1/11841
network_acronym_str UFLA
network_name_str Repositório Institucional da UFLA
repository_id_str
spelling 2016-09-30T17:52:24Z2016-09-30T17:52:24Z2016-09-302016-08-25PEREIRA, F. de C. Estratégias para seleção de progênies em soja. 2016. 111 p. Dissertação (Mestrado em Genética e Melhoramento de Plantas)-Universidade Federal de Lavras, Lavras, 2016.https://repositorio.ufla.br/handle/1/11841Em programas de melhoramento de soja, o mérito da população tem sido, por vezes, desconsiderado para fins de seleção das progênies ou linhagens. Além disso, tradicionalmente a seleção dos melhores genótipos é realizada utilizando apenas a geração de referência, isto é, não são incluídas as avaliações em gerações anteriores. Diante disso, objetivou-se neste trabalho verificar a influência do mérito da população nas estimativas dos componentes genéticos e fenotípicos e na identificação das melhores progênies ou linhagens de soja, bem como quantificar a melhoria na eficiência do processo seletivo de linhagens por meio da análise sequencial. Foram utilizados dados de produtividade de grãos (sacas/ha) e de maturação absoluta (dias) do programa de melhoramento de soja da empresa Dupont – Divisão Pioneer. Os experimentos foram conduzidos nos anos agrícolas de 2012/2013, 2013/2014 e 2015/2016 em 17 municípios dos estados do Mato Grosso do Sul, Paraná, Santa Catarina e Rio Grande do Sul. Os dados foram analisados usando a abordagem de modelos mistos. Foram estimados os parâmetros, ganho genético com a seleção, correlação, índice de coincidência, ganho realizado e a resposta correlacionada, considerando e ignorando o mérito da população sob sete intensidades de seleção (1%, 5%, 10%,15%, 20%, 25% e 30%). Para verificar a eficiência da análise sequencial considerou-se algumas estratégias: A) análise considerando apenas a geração de referência (VCU); B) análise sequencial considerando a combinação dos experimentos W-teste e VCU; C) análise sequencial considerando os experimentos X-teste, W-teste e VCU; D) análise sequencial considerando os experimentos Y-teste, X-teste,W-teste e VCU; E) análise sequencial considerando os experimentos Z-teste, Y-teste , X-teste, Wteste e VCU; F) análise sequencial considerando os experimentos X-teste e VCU; G) análise sequencial considerando os experimentos Z-teste, X-teste e VCU. Nas estratégias B, C, D e E utilizaram-se dados de todos os genótipos nos ensaios, enquanto que nas estratégias F e G, apenas dados dos trinta genótipos comuns aos experimentos Z-teste, X-teste e VCU foram incluídos. As comparações das estratégias foram realizadas considerando as seguintes situações: 1) seleção das dez melhores linhagens na estratégia A e verificação do ranqueamento destas nas estratégias B, C, D e E; 2) Coincidência na seleção das dez melhores linhagens em cada estratégia de análise sequencial (B, C, D e E); 3) Seleção das dez melhores linhagens comuns aos experimentos Z-teste, X-teste e VCU. Concluiuse que os componentes de variância, a herdabilidade e o coeficiente de variação experimental foram melhor estimados quando o mérito da população foi considerado, proporcionando consequentemente maior ganho com a seleção tanto para produtividade como para maturação absoluta. A coincidência e o ranqueamento entre as progênies selecionadas, considerando e ignorando o mérito da população, foram de maior magnitude em gerações de endogamia mais avançadas e sob intensidades de seleção mais elevadas. Houve alteração na classificação e na coincidência das linhagens selecionadas quando se considera a análise sequencial envolvendo as gerações prévias relativo à geração de referência, demonstrando sua influência na recomendação de novas cultivares. Esta alteração é mais evidente em condições de grande desbalanceamento.In soybean breeding programs usually the merit of the population is not considered in the selection of progenies or lines. Traditionally the selection of the best genotypes is performed using only the reference generation, i.e., it is not included the evaluations of the previous generations. Thus, the aim of this study was to verify the influence of population merit in the estimation of phenotypic and genetic components and identification of the best soybean lines, and to quantify the efficiency of the sequential analysis in the selective process of soybean lines. Grain yield (bags/ha) and absolute maturity (days) data from soybean breeding program of the Dupont company - Pioneer Division were used. The experiments were carried out in the crop seasons 2012/2013, 2013/2014 e 2015/2016 in 17 cities in the Mato Grosso do Sul, Paraná, Santa Catarina e Rio Grande do Sul states. We estimated the parameters genetic gain with selection, correlation, coincidence index, realized gain and correlated response, considering and ignoring the population merit, under seven selection intensities (1%, 5%, 10%,15%, 20%, 25% e 30%). To evaluate the efficiency of sequential analysis we considered the following strategies: A) analysis considering only the reference generation (VCU trial); B) sequential analysis considering the combination of Wtest and VCU experiments; C) sequential analysis considering the X-test, W-test and VCU experiments; D) sequential analysis considering the Y-test, X-test, Wtest and VCU experiments; E) sequential analysis considering the Z-test, Y-test, X-test, W-test and VCU experiments; F) sequential analysis considering the Xtest and VCU experiments; G) Sequential analysis considering the Z-test, X-test and VCU experiments. In the strategies B, C, D and E were used all data of the experiments, while for strategies F and G only data of thirty common genotypes from the Z-test, X-test and X-VCU experiments were used. Furthermore we consider the following situations to assess the efficiency of the sequential analysis: 1) selection of the top-ten lines in strategy A and check the ranking of the same lines considering the strategies B, C, D and E; 2) Coincidence selection of the top-ten lines in each sequential analysis strategy (B, C, D and E); 3) Selection of the top-ten common lines form experiments Z-test, X-test and VCU. The parameters variance components, heritability and experimental variation coefficient were better estimated when the population merit was considered, providing consequently greater gain with selection for both traits (grain yield and absolute maturity). The coincidence and ranking among the selected progenies considering and ignoring the population merit were of greater in more advanced generations of inbreeding and higher intensity selection. There was change in the ranking of lines when considering the sequential analysis involving the previous generations relative to reference generation, showing its influence on the recommendation of new cultivars. This change is most evident in higher unbalance conditions.Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)Universidade Federal de LavrasPrograma de Pós-Graduação em Genética e Melhoramento de PlantasUFLAbrasilDepartamento de BiologiaMelhoramento VegetalSoja - Melhoramento genéticoSoja - Seleção genéticaSoja - Análise sequencialSoybean - BreedingSoybean - Genetic selectionSoybean - Sequential analysisEstratégias para seleção de progênies em sojaStrategies for progenies selection in soybeaninfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisNunes, José Airton RodriguesBruzi, Adriano TeodoroPatto, Magno Antônio RamalhoMatos, José Wilacildo dehttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4362125U0Pereira, Francielly de Cássiainfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFLAinstname:Universidade Federal de Lavras (UFLA)instacron:UFLAORIGINALDISSERTAÇÃO_Estratégias para seleção de progênies em soja.pdfDISSERTAÇÃO_Estratégias para seleção de progênies em soja.pdfapplication/pdf4125943https://repositorio.ufla.br/bitstreams/f19fa811-1604-438a-b8a6-10ebd9c497f5/downloadae9f0b2ae176a92d35eab7d2bfda13e5MD51trueAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-8953https://repositorio.ufla.br/bitstreams/0eed1b00-d7b9-45bf-bc13-b64290b7e0b1/download760884c1e72224de569e74f79eb87ce3MD52falseAnonymousREADTEXTDISSERTAÇÃO_Estratégias para seleção de progênies em soja.pdf.txtDISSERTAÇÃO_Estratégias para seleção de progênies em soja.pdf.txtExtracted texttext/plain103787https://repositorio.ufla.br/bitstreams/23154883-ae98-4410-8b74-9496f17577a2/download121ae4da788d052c24c1447e76641bc1MD53falseAnonymousREADTHUMBNAILDISSERTAÇÃO_Estratégias para seleção de progênies em soja.pdf.jpgDISSERTAÇÃO_Estratégias para seleção de progênies em soja.pdf.jpgGenerated Thumbnailimage/jpeg2812https://repositorio.ufla.br/bitstreams/2cc990f4-7bff-4ed3-a08a-493a93c673a8/downloadd3bafedbcec24d26fe71cceeb2a62e57MD54falseAnonymousREAD1/118412025-08-05 17:22:36.396open.accessoai:repositorio.ufla.br:1/11841https://repositorio.ufla.brRepositório InstitucionalPUBhttps://repositorio.ufla.br/server/oai/requestnivaldo@ufla.br || repositorio.biblioteca@ufla.bropendoar:2025-08-05T20:22:36Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)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
dc.title.pt_BR.fl_str_mv Estratégias para seleção de progênies em soja
dc.title.alternative.pt_BR.fl_str_mv Strategies for progenies selection in soybean
title Estratégias para seleção de progênies em soja
spellingShingle Estratégias para seleção de progênies em soja
Pereira, Francielly de Cássia
Melhoramento Vegetal
Soja - Melhoramento genético
Soja - Seleção genética
Soja - Análise sequencial
Soybean - Breeding
Soybean - Genetic selection
Soybean - Sequential analysis
title_short Estratégias para seleção de progênies em soja
title_full Estratégias para seleção de progênies em soja
title_fullStr Estratégias para seleção de progênies em soja
title_full_unstemmed Estratégias para seleção de progênies em soja
title_sort Estratégias para seleção de progênies em soja
author Pereira, Francielly de Cássia
author_facet Pereira, Francielly de Cássia
author_role author
dc.contributor.advisor1.fl_str_mv Nunes, José Airton Rodrigues
dc.contributor.advisor-co1.fl_str_mv Bruzi, Adriano Teodoro
dc.contributor.referee1.fl_str_mv Patto, Magno Antônio Ramalho
dc.contributor.referee2.fl_str_mv Matos, José Wilacildo de
dc.contributor.authorLattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4362125U0
dc.contributor.author.fl_str_mv Pereira, Francielly de Cássia
contributor_str_mv Nunes, José Airton Rodrigues
Bruzi, Adriano Teodoro
Patto, Magno Antônio Ramalho
Matos, José Wilacildo de
dc.subject.cnpq.fl_str_mv Melhoramento Vegetal
topic Melhoramento Vegetal
Soja - Melhoramento genético
Soja - Seleção genética
Soja - Análise sequencial
Soybean - Breeding
Soybean - Genetic selection
Soybean - Sequential analysis
dc.subject.por.fl_str_mv Soja - Melhoramento genético
Soja - Seleção genética
Soja - Análise sequencial
Soybean - Breeding
Soybean - Genetic selection
Soybean - Sequential analysis
description Em programas de melhoramento de soja, o mérito da população tem sido, por vezes, desconsiderado para fins de seleção das progênies ou linhagens. Além disso, tradicionalmente a seleção dos melhores genótipos é realizada utilizando apenas a geração de referência, isto é, não são incluídas as avaliações em gerações anteriores. Diante disso, objetivou-se neste trabalho verificar a influência do mérito da população nas estimativas dos componentes genéticos e fenotípicos e na identificação das melhores progênies ou linhagens de soja, bem como quantificar a melhoria na eficiência do processo seletivo de linhagens por meio da análise sequencial. Foram utilizados dados de produtividade de grãos (sacas/ha) e de maturação absoluta (dias) do programa de melhoramento de soja da empresa Dupont – Divisão Pioneer. Os experimentos foram conduzidos nos anos agrícolas de 2012/2013, 2013/2014 e 2015/2016 em 17 municípios dos estados do Mato Grosso do Sul, Paraná, Santa Catarina e Rio Grande do Sul. Os dados foram analisados usando a abordagem de modelos mistos. Foram estimados os parâmetros, ganho genético com a seleção, correlação, índice de coincidência, ganho realizado e a resposta correlacionada, considerando e ignorando o mérito da população sob sete intensidades de seleção (1%, 5%, 10%,15%, 20%, 25% e 30%). Para verificar a eficiência da análise sequencial considerou-se algumas estratégias: A) análise considerando apenas a geração de referência (VCU); B) análise sequencial considerando a combinação dos experimentos W-teste e VCU; C) análise sequencial considerando os experimentos X-teste, W-teste e VCU; D) análise sequencial considerando os experimentos Y-teste, X-teste,W-teste e VCU; E) análise sequencial considerando os experimentos Z-teste, Y-teste , X-teste, Wteste e VCU; F) análise sequencial considerando os experimentos X-teste e VCU; G) análise sequencial considerando os experimentos Z-teste, X-teste e VCU. Nas estratégias B, C, D e E utilizaram-se dados de todos os genótipos nos ensaios, enquanto que nas estratégias F e G, apenas dados dos trinta genótipos comuns aos experimentos Z-teste, X-teste e VCU foram incluídos. As comparações das estratégias foram realizadas considerando as seguintes situações: 1) seleção das dez melhores linhagens na estratégia A e verificação do ranqueamento destas nas estratégias B, C, D e E; 2) Coincidência na seleção das dez melhores linhagens em cada estratégia de análise sequencial (B, C, D e E); 3) Seleção das dez melhores linhagens comuns aos experimentos Z-teste, X-teste e VCU. Concluiuse que os componentes de variância, a herdabilidade e o coeficiente de variação experimental foram melhor estimados quando o mérito da população foi considerado, proporcionando consequentemente maior ganho com a seleção tanto para produtividade como para maturação absoluta. A coincidência e o ranqueamento entre as progênies selecionadas, considerando e ignorando o mérito da população, foram de maior magnitude em gerações de endogamia mais avançadas e sob intensidades de seleção mais elevadas. Houve alteração na classificação e na coincidência das linhagens selecionadas quando se considera a análise sequencial envolvendo as gerações prévias relativo à geração de referência, demonstrando sua influência na recomendação de novas cultivares. Esta alteração é mais evidente em condições de grande desbalanceamento.
publishDate 2016
dc.date.submitted.none.fl_str_mv 2016-08-25
dc.date.accessioned.fl_str_mv 2016-09-30T17:52:24Z
dc.date.available.fl_str_mv 2016-09-30T17:52:24Z
dc.date.issued.fl_str_mv 2016-09-30
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 PEREIRA, F. de C. Estratégias para seleção de progênies em soja. 2016. 111 p. Dissertação (Mestrado em Genética e Melhoramento de Plantas)-Universidade Federal de Lavras, Lavras, 2016.
dc.identifier.uri.fl_str_mv https://repositorio.ufla.br/handle/1/11841
identifier_str_mv PEREIRA, F. de C. Estratégias para seleção de progênies em soja. 2016. 111 p. Dissertação (Mestrado em Genética e Melhoramento de Plantas)-Universidade Federal de Lavras, Lavras, 2016.
url https://repositorio.ufla.br/handle/1/11841
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 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/f19fa811-1604-438a-b8a6-10ebd9c497f5/download
https://repositorio.ufla.br/bitstreams/0eed1b00-d7b9-45bf-bc13-b64290b7e0b1/download
https://repositorio.ufla.br/bitstreams/23154883-ae98-4410-8b74-9496f17577a2/download
https://repositorio.ufla.br/bitstreams/2cc990f4-7bff-4ed3-a08a-493a93c673a8/download
bitstream.checksum.fl_str_mv ae9f0b2ae176a92d35eab7d2bfda13e5
760884c1e72224de569e74f79eb87ce3
121ae4da788d052c24c1447e76641bc1
d3bafedbcec24d26fe71cceeb2a62e57
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_ 1854947831278731264