Utilização de dados de genealogia e moleculares na seleção em programas de melhoramento
DOI:
https://doi.org/10.29327/2537114.14.1-3Palavras-chave:
Genotipagem, Parentesco, Pedigree, Marcadores molecularesResumo
Com os avanços tecnológicos em programas de melhoramento e biologia molecular, o uso de dados de
pedigree (A) e moleculares (G) tornou-se parte essencial desses programas. As relações baseadas em pedigree
refletem o parentesco por descendência, enquanto as relações baseadas em marcadores moleculares indicam o
parentesco por estado. A integração dessas informações é um desafio, pois as diferentes fontes podem fornecer
estimativas distintas dos valores genéticos dos indivíduos. Este estudo teve como objetivo avaliar o impacto do
uso isolado e combinado das matrizes A e G na seleção de indivíduos superiores em programas de seleção
recorrente, considerando o impacto no ganho genético, diversidade genética e endogamia ao longo de 15 ciclos
de melhoramento. Foram simuladas cinco características fenotípicas com diferentes níveis de herdabilidade e
graus de correlação positiva entre elas. As abordagens analisadas incluíram o uso isolado de A e G, a
combinação das duas matrizes em uma matriz H e o uso de um índice baseado em A e G com pesos oriundos das
confiabilidades dos modelos genômicos. A seleção baseada na matriz H demonstrou menor endogamia e maior
diversidade genética, especialmente nos cenários com maior porcentagem de indivíduos genotipados. O índice
baseado em A e G resultou em um aumento gradual da endogamia, especialmente nos cenários com correlação
alta entre as características. Embora não tenham sido observadas diferenças no ganho genético, a matriz H
apresentou uma tendência de destacar-se na manutenção da diversidade e controle da endogamia, mas sua
significância não pode ser afirmada sem testes estatísticos adicionais.
Referências
AZEVEDO, C. F. et al. Using visual scores for genomic prediction of complex traits in breeding programs. Theoretical and Applied Genetics, v. 137, n. 1, 2024.
BANČIČ, J. et al. Plant breeding simulations with AlphaSimR. Crop Science, v. 65, n. 1, p. e21312, 2025.
BEGUM, H. et al. Genome-wide association mapping for yield and other agronomic traits in an elite breeding population of tropical rice (Oryza sativa). PloS One, v. 10, n. 3, e0119873, 2015.
CAPPA, E. P. et al. Improving genomic prediction of growth and wood traits in Eucalyptus using phenotypes from non-genotyped trees by single-step GBLUP. Plant Science, v. 284, p. 9-15, 2019.
CHRISTENSEN, O. F.; LUND, M. S. Predição genômica quando alguns animais não são genotipados. Genet Sel Evol, v. 42, n. 2, 2010.
CROUÉ, I.; DUCROCQ, V. Genomic and single‐step evaluations of carcass traits of young bulls in dual‐purpose cattle. Journal of Animal Breeding and Genetics, v. 134, n. 4, p. 300-307, 2017.
EVANGELISTA, A. F. et al. Estimação de parâmetros genéticos para características de crescimento em bovinos Nelore Mocho da Região Norte do Brasil. 2020.
FAUX, A. et al. AlphaSim: Software for Breeding Program Simulation. The Plant Genome, 9(3), 2016.
FORNERIS, N. S. et al. Estimating inbreeding depression for growth and reproductive traits using pedigree and genomic methods in Argentinean Brangus cattle. Journal of Animal Science, v. 99, n. 11, skab289, 2021.
IMAI, A. et al. Single-step genomic prediction of fruit-quality traits using phenotypic records of non-genotyped relatives in citrus. PloS One, v. 14, n. 8, e0221880, 2019.
ISMAEL, A. et al. Genetic variation in drought-tolerance traits and their relationships to growth in Pinus radiata D. Don under water stress. Frontiers in Plant Science, v. 12, p. 766803, 2022.
LAVERDIÈRE, J. P. et al. Breeding for adaptation to climate change: Genomic selection for drought response in a white spruce multi‐site polycross test. Evolutionary Applications, v. 15, n. 3, p. 383-402, 2022.
LEGARRA, F. et al. Use of a reduced set of single nucleotide polymorphisms for genetic evaluation of resistance to Salmonella carrier state in laying hens. Poultry Science, v. 90, n. 4, p. 731-736, 2011.
LIMA, L. P. et al. Evaluation of Bayesian methods of genomic association via chromosomic regions using simulated data. Scientia Agricola, v. 79, n. 3, 2022.
MISZTAL, I.; LEGARRA, A.; AGUILAR, I. Computing procedures for genetic evaluation including phenotypic, full pedigree, and genomic information. Journal of Dairy Science, v. 92, n. 9, p. 4648-4655, 2009.
MULETA, K. T.; PRESSOIR, G.; MORRIS, G. P. Optimizing genomic selection for a sorghum breeding program in Haiti: A simulation study. G3: Genes, Genomes, Genetics, v. 9, n. 2, p. 391-401, 2019.
NADEAU, S. et al. Increasing genomic prediction accuracy for unphenotyped full-sib families by modeling additive and dominance effects with large datasets in white spruce. Frontiers in Plant Science, v. 14, p. 1137834, 2023.
PÉRTILE, S. F. N. et al. Seleção e associação genômica ampla para o melhoramento genético animal com uso do método ssGBLUP. Pesquisa Agropecuária Brasileira, v. 51, p. 1729-1736, 2016.
RESENDE, M. D. V. Genômica quantitativa e seleção no melhoramento de perenes e animais. Colombo: Embrapa Florestas, p. 330, 2008.
RESENDE, M. D. V. et al. Seleção genômica ampla (GWS) via modelos mistos (REML/BLUP), inferência bayesiana (MCMC), regressão aleatória multivariada e estatística espacial. Viçosa: Ed. UFV, 2012. 7 p.
RESENDE, M. D. V.; SILVA, F. F.; AZEVEDO, C. F. (2014). Estatística matemática, biométrica e computacional: Modelos mistos, multivariados, categóricos e generalizados (REML/BLUP), inferência bayesiana, regressão aleatória, seleção 57 genômica, QTL-GWAS,
estatística espacial e temporal, competição, sobrevivência. Viçosa: UFV.
SOOD, S. et al. Making the most of all data: combining non‐genotyped and genotyped potato individuals with HBLUP. The Plant Genome, v. 13, n. 3, e20056, 2020.
THAVAMANIKUMAR, S. et al. Genomic studies reveal substantial dominant effects and improved genomic predictions in an open-pollinated breeding population of Eucalyptus pellita. G3: Genes, Genomes, Genetics, v. 10, n. 10, p. 3751-3763, 2020.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Proposta de Política para Periódicos de Acesso Livre
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).