Predição simultânea dos efeitos de marcadores moleculares e seleção genômica ampla em cajueiro

Abstract

RESUMO -A seleção genômica ampla (genome wide selection -GWS) foi proposta como uma forma de aumentar a eficiência e acelerar o melhoramento genético, enfatizando a predição simultânea dos efeitos genéticos de grande número de marcadores genéticos de DNA dispersos em todo o genoma de um organismo, de forma a capturar os efeitos de todos os locos e explicar a variação genética de um caráter quantitativo. Objetivou-se com o presente trabalho aplicar o princípio da GWS no melhoramento do cajueiro, estimando simultaneamente os efeitos de 238 marcadores avaliados em 74 indivíduos de uma família de irmãos completos, visando a explicar grande porcentagem da variação genotípica total do caráter peso da amêndoa e a aumentar a eficiência do melhoramento do cajueiro. Verificou-se que a capacidade preditiva e a acurácia são praticamente maximizadas na análise com 70 marcadores de maiores efeitos. O aumento do número de marcadores não aumenta linearmente a acurácia da GWS pelo método RR-BLUP. Os 70 marcadores de maiores efeitos capturam 74% da variação genotípica total e propiciam alta acurácia seletiva (86%) da seleção para o peso de amêndoas, enquanto os cinco marcadores de maiores efeitos capturam apenas 19% da variação genotípica total e propiciam acurácia seletiva de apenas 44%. Assim, a seleção assistida (MAS), baseada em poucos (cinco) marcadores de efeitos significativos, propicia eficiência muito inferior à GWS. Os valores genéticos genômicos preditos na população de validação cruzada aproximam-se bem dos valores fenotípicos observados, com correlação de 0,79. A estimação simultânea dos efeitos dos marcadores, segundo o conceito da GWS, é uma alternativa interessante, visando a aumentar a eficiência do melhoramento do cajueiro. Termos para Indexação: seleção assistida, melhoramento genético, regressão aleatória, BLUP. SIMULTANEOUS PREDICTION OF THE EFFECTS OF MOLECULAR MARKERS AND GENOME WIDE SELECTION IN CASHEWABSTRACT -The genome wide selection (GWS) was proposed as a way to increase efficiency and accelerate the genetic improvement, emphasizing the simultaneous prediction of the genetic effects of a large number of DNA genetic markers scattered throughout the genome of an organism, in order to capture the effects of all loci and explain the genetic variation of a quantitative character. The objective of this study was to apply the principle of GWS in the cashew breeding, simultaneously estimating the effects of 238 markers assessed in 74 individuals from a full-sib family to explain the large percentage of total genotypic variation of the character kernel weight and increasing the efficiency of cashew breeding. It was found that the predictive power and accuracy are nearly maximized in the analysis with 70 markers to the greatest effect. The increase in the number of markers does not increase linearly the accuracy of the method GWS RR-BLUP. The 70 markers with the greatest effects capture 74% of the total genotypic variation and provide a selective high accuracy (86%) of the selection for kernel weight, while the...

Early Selection Enabled by the Implementation of Genomic Selection in Coffea arabica Breeding

“…However, when the optimal number of markers was reached, which maximizes the r gg estimates, the selective accuracy decreased with the increase in the number of markers. Results were similar to those of other researchers (Fernando et al, 2007; Cavalcanti et al, 2012), where the increase in the number of markers did not show a linear relationship with the accuracy of the GS. Studies with simulated data have demonstrated that the use of a large number of markers led to a reduction in the limitation imposed by the small size of the training population (Resende, 2008).…”

“…The results for ha2 and r gy showed a high positive association, with a correlation coefficient of 88%. As observed in this work, the association between predictive capacity and heritability has been reported by other researchers (Cavalcanti et al, 2012; Gois et al, 2016). Prediction bias for most of the evaluated traits showed a b estimate close to the unit.…”

Genome wide selection in Citrus breeding

“…However, when the genetic effects were estimated and the GV was predicted within each family (for large families), the accuracy was satisfactory, as seen by the results presented here. Cavalcanti et al (2012) confirmed that within families, GWS is an interesting alternative that can be used to increase the breeding efficiency of cashew. In that study, the authors obtained a high accuracy value (0.86) for a characteristic with high heritability with only 74 individuals and a limited number of markers (238).…”

“…I.B. Gois et al The predictive ability of GWS, which reflects the ability of molecular information to consistently predict a phenotype (Cavalcanti et al, 2012), ranged from 0.53 for the ratio of soluble solids/acidity and soluble solids traits, to 0.64, for the longitudinal diameter of fruit, fruit mass, and number of fruits per box (Table 1). These magnitudes are similar to those reported for forest trees species , Resende Junior et al, 2012 and dairy cattle breeding (Hayes et al, 2009).…”

Efeito da densidade de marcadores e do tipo de matriz de parentesco genômico na acurácia da seleção genômica em milho tropical

“…Já a matriz proposta por Yang et al (2010) (matriz de parentesco unificado) foi proposta para o estudo do caráter peso de humanos, em uso para associação de marcas significativamente associadas com o fenótipo (Genome-wide association study -GWAS) na ocasião. Este mesmo autor propôs um ajuste nesta matriz de parentesco unificado por meio de um coeficiente de regressão estabelecido empiricamente, objetivando explicar a herdabilidade total estimada (componentes aditivos e não aditivos) a partir da captura de marcadores de pequenos efeitos em desequilíbrio de ligação com alelos relacionados à variável causal estudada, peso em humanos, levando em consideração o MAF (Minor allele frequency) de ambos (YANG et al, 2010 O procedimento BLUP permite a utilização de todos os efeitos (fixos e aleatórios) do modelo estatístico, da covariância genética entre os indivíduos ou genitores em avaliação, ponderar aqueles genótipos com desigual número de observações na mesma ou em diferentes gerações e, assim, maximizar a acurácia, a qual depende basicamente da proporção entre a variação residual média e a variação genotípica, sendo que a variação residual média depende do número de repetições (RESENDE;DUARTE, 2007;CAVALCANTI;RESENDE, 2012 (MEYER, 1989;JOHNSON;THOMPSON, 1995;FALCÃO et al, 2009;MENEZES et al, 2013) e vegetal (BERNARDO, 1995BAUER et al, 2006;NUNES et al, 2008 Portanto, baseando-se nestes conceitos, é possível construir estruturas de matrizes de variância-covariância de parentesco que estejam de acordo com as pressuposições da genética quantitativa e do modelo estatístico-genético adotado (YANG et al, 2010).…”