Modelos de predição genômica multi-ambiental em milho tropical: produtividade de grãos e staygreen

Página do item simplificado
dc.contributor.advisor-co1Coelho, Alexandre Siqueira Guedes
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/0840926305216925pt_BR
dc.contributor.advisor1Resende, Marcela Pedroso Mendes
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2080097211870591pt_BR
dc.contributor.referee1Resende, Marcela Pedroso Mendes
dc.contributor.referee2Môro, Gustavo Vitti
dc.contributor.referee3Souza Júnior, Cláudio Lopes de
dc.contributor.referee4Costa Neto, Germano Martins Ferreira
dc.contributor.referee5Toledo, Fernando Henrique Ribeiro Barrozo
dc.creatorCrispim Filho, Ailton José
dc.creator.Latteshttp://lattes.cnpq.br/9735629084160640pt_BR
dc.date.accessioned2023-06-01T10:56:52Z
dc.date.available2023-06-01T10:56:52Z
dc.date.issued2023-04-28
dc.description.abstractStaygreen and grain yield are agronomic traits of interest to be evaluated in modern maize breeding programs. A modern approach to improving these traits can be genomic selection, whose efficiency depends, among other factors, on the proper choice of the prediction model to be used, the effects that will be accounted for in this model and the resources and time required for the prediction process of the phenotypes. In this work, three parametric models and a non-parametric model were used in the multi-environment genomic prediction of single maize hybrids for staygreen and grain yield, considering additive effects, exclusively, and together with dominance effects. The phenotypic data refer to the evaluation of 152 single maize hybrids, from the crossing of 42 inbred lines, evaluated in 13 environments for grain yield and 8 environments for staygreen. The lines were genotyped with 13,826 SNPs (Single Nucleotide Polymorphism) markers using the GBS (Genotyping by Sequencing) method, and their genotypic combinations were used to generate the genotypes of the hybrids. Adjusted means for each genotype at each location were used to train the genomic prediction models. The predictive ability was measured using Pearson's mean correlation, obtained using the ten-fold system. The models' predictive abilities ranged from 0.23 to 0.83 for grain yield and 0.44 to 0.72 for staygreen. The inclusion of dominance effects in all parametric models increased the predictive abilities for both traits, and for grain yield the average increase was 25%. This confirms that the inclusion of non-additive effects in the prediction model allows better exploration of heterosis and greater precision in genomic selection. The models did not differ between attributes linked to predictive ability. Due to the lower computational demand of GBLUP, it is the most suitable to predict the phenotypic performance of these characters in this data set. Prediction with the additive-dominant GBLUP model indicates the possibility of selecting better combinations of inbred lines than those already performed, which potentially increase grain and staygreen productivity by selecting the best 15 hybrids per prediction for each character separately.eng
dc.description.provenanceSubmitted by Dayane Basílio (dayanebasilio@ufg.br) on 2023-05-31T15:04:22Z No. of bitstreams: 2 Tese - Ailton Jose Crispim Filho - 2023.pdf: 2664317 bytes, checksum: 851e9da669ece105459d2548faeb9bab (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5)en
dc.description.provenanceApproved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2023-06-01T10:56:52Z (GMT) No. of bitstreams: 2 Tese - Ailton Jose Crispim Filho - 2023.pdf: 2664317 bytes, checksum: 851e9da669ece105459d2548faeb9bab (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5)en
dc.description.provenanceMade available in DSpace on 2023-06-01T10:56:52Z (GMT). No. of bitstreams: 2 Tese - Ailton Jose Crispim Filho - 2023.pdf: 2664317 bytes, checksum: 851e9da669ece105459d2548faeb9bab (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Previous issue date: 2023-04-28en
dc.description.resumoStaygreen e produtividade de grãos são caracteres agronômicos de interesse de serem avaliados em programas modernos de melhoramento de milho. Uma abordagem moderna para melhoramento destes caracteres pode ser a seleção genômica, cuja eficiência depende, dentre outros fatores, da escolha adequada do modelo de predição a ser utilizado, dos efeitos que serão contabilizados neste modelo e dos recursos e tempo necessários para o processo de predição dos fenótipos. Neste trabalho, três modelos paramétricos e um modelo não paramétrico foram utilizados na predição genômica multi-ambiental de híbridos simples de milho para staygreen e produtividade de grãos, considerando efeitos aditivos, exclusivamente, e em conjunto com efeitos de dominância. Os dados fenotípicos se referem à avaliação de 152 híbridos simples de milho, provenientes do cruzamento de 42 linhagens endogâmicas, avaliados em 13 ambientes para produtividade de grãos e 8 ambientes para staygreen. As linhagens foram genotipadas com 13.826 marcadores SNPs (Single Nucleotide Polymorphism) pelo o método GBS (Genotyping by Sequencing), sendo suas combinações genotípicas utilizadas para gerar os genótipos dos híbridos. As médias ajustadas para cada genótipo, em cada local, foram usadas para treinar os modelos de predição genômica. A habilidade preditiva foi mensurada por meio da correlação de Pearson, obtida por meio do sistema de ten-fold. As habilidades preditivas dos modelos variaram de 0,23 a 0,83 para produtividade de grãos e 0,44 a 0,72 para staygreen. A inclusão dos efeitos de dominância em todos os modelos paramétricos incrementou as habilidades preditivas para os dois caracteres, sendo que para produtividade de grãos o incremento médio foi de 25%. Isto confirma que a inclusão de efeitos nãoaditivos no modelo de predição permite explorar melhor a heterose e ter maior precisão na seleção genômica. Os modelos não diferiram entre atributos vinculados a capacidade preditiva. Devido a menor demanda computacional do GBLUP, ele é o mais indicado para predizer o desempenho fenotípico destes caracteres neste conjunto de dados. A predição com o modelo GBLUP aditivodominante indica a possibilidade de seleção de melhores combinações de linhagens do que as já realizadas que, potencialmente, elevam a produtividade de grãos e staygreen ao selecionar os melhores 15 híbridos por predição para cada caráter separadamente.pt_BR
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESpt_BR
dc.identifier.citationCRISPIM FILHO, A. J. Modelos de predição genômica multi-ambiental em milho tropical: produtividade de grãos e staygreen. 2023. 75 f. Tese (Doutorado em Genética e Melhoramento de Plantas) - Universidade Federal de Goiás, Goiânia, 2023.pt_BR
dc.identifier.urihttp://repositorio.bc.ufg.br/tede/handle/tede/12875
dc.languageporpt_BR
dc.publisherUniversidade Federal de Goiáspt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentEscola de Agronomia - EA (RMG)pt_BR
dc.publisher.initialsUFGpt_BR
dc.publisher.programPrograma de Pós-graduação em Genética e Melhoramento de Plantas (EA)pt_BR
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectSeleção genômicapor
dc.subjectZea mays L.por
dc.subjectEfeito de dominânciapor
dc.subjectHabilidade preditivapor
dc.subjectGenomic selectioneng
dc.subjectDominance effecteng
dc.subjectPredictive abilityeng
dc.subject.cnpqCIENCIAS AGRARIASpt_BR
dc.titleModelos de predição genômica multi-ambiental em milho tropical: produtividade de grãos e staygreenpt_BR
dc.title.alternativeMulti-environment genomic prediction models in tropical maize: grain yield and staygreeneng
dc.typeTesept_BR

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
Tese - Ailton Jose Crispim Filho - 2023.pdf
Tamanho:
2.54 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Doutorado em Genética e Melhoramento de Plantas (EA)