Descrição
Modelos modernos de seleção genômica (GS) que integram informações genômicas e fenotípicas de ensaios multi-ambiente (MET) permitem modelar a interação genótipo × ambiente (GE). A incorporação de covariáveis ambientais tem aumentado a acurácia preditiva e a resolução espacial na recomendação de genótipos. Este trabalho teve como objetivo treinar e avaliar a habilidade preditiva de modelos GS para produtividade de linhagens de soja (Glycine max, L. Merr), utilizando marcadores SNPs e covariáveis ambientais (ECs). Foram utilizados dados de produtividade (kg.ha-1) de ~330 linhagens de soja do programa da GDM Seeds, avaliadas em 30 locais. As linhagens foram genotipadas com ~5.150 marcadores SNPs filtrados para o treinamento dos modelos de GS. Foram utilizadas informações relacionadas com latitude, longitude, variáveis climáticas e ecofisiológicas, para definir as ECs nos locais testados. Foram treinados cinco modelos GS multi-ambiente, considerando os efeitos aleatórios aditivos associados aos marcadores genéticos (G), os efeitos aleatórios das linhagens (L) e dos ambientes (E), os efeitos aleatórios das covariáveis ambientais (W) e suas interações (GE e GW). Foi avaliada a capacidade preditiva dos modelos treinados em três cenários de validação cruzada: linhagens não testadas (CV1), dados faltantes esparsos (CV2) e ambientes não avaliados (CV0). A organização dos dados e análises estatísticas, foram realizadas com o auxílio do software R. Em todos os modelos, os efeitos ambientais (E e W) explicaram a maior proporção da variação fenotípica (59,5%–82,5%), sendo que, quando considerados simultaneamente, W respondeu pela maior proporção da variação total (~47%). O modelo mais parametrizado (G + L + W + E + GW + GE) apresentou os melhores resultados nos três cenários, com acurácia preditiva entre 0,41 e 0,71. Nos cenários CV1 e CV2, o segundo melhor foi o modelo GS multi-ambiente clássico (G + E + GE), com acurácia de 0,65 e 0,70, enquanto no CV0 o melhor modelo foi aquele com as covariáveis (G + W + GW), com acurácia de 0,40. Os resultados indicam que é possível predizer a produtividade de linhagens de soja em diferentes ambientes com acurácia moderada a alta, reforçando o potencial da integração entre GS e ambientômica para encurtar ciclos, aumentar a intensidade de seleção e reduzir custos de fenotipagem no melhoramento genético da cultura no Brasil.
| Selecione a modalidade do seu trabalho | Resumo Simples |
|---|
