Estudo da interação genótipo × ambiente e predição genômica de híbridos de sorgo biomassa

Abstract

O sorgo biomassa é uma cultura que vem sendo demandada pelo mercado sucroenergético devido à suas características agronômicas, especialmente tolerância a estresses abióticos e alta acúmulo de biomassa, para a produção de energia. Neste contexto, com base no banco de dados históricos do programa de melhoramento de sorgo bioenergia da Embrapa Milho e Sorgo, buscou-se: i) investigar as fontes de interação genótipo × ambiente (G×A) e selecionar genótipos produtivos e adaptados e/ou estáveis, às diferentes condições ambientais usando análise de fatores; ii) avaliar a acurácia de predição de híbridos usando informação de marcadores SNPs e dados de múltiplos ambientes; iii) comparar a acurácia de modelos aditivos e aditivos-dominantes; e iv) predizer híbridos ainda não testados do programa. Os dados foram genotipados, via genotipagem por sequenciamento (GBS), sendo 17 linhagens R (macho-fértil) e 46 linhagens A (macho-estéril), das quais deram origem à 202 híbridos, que foram fenotipados em diversas regiões no território brasileiro. Devido ao alto desbalanceamento entre os ensaios nos diferentes anos, e entre os ensaios preliminares (APH) e finais (VCU) de avaliação de híbridos, adotou-se os métodos de modelos mistos para análise dos dados, com o auxílio do pacote ASReml disponível no software R. Constatou-se alta interação G×A entre os ambientes avaliados, com correlações genotípicas variando de -0,09 a 0,68. Por meio da análise de PCA os dois primeiros fatores explicaram 48.81% da variação genética, e foram capazes de distinguir os ambientes em avaliação. Por meio do biplot também foi possível selecionar genótipos com ampla adaptabilidade ou adaptabilidade específica à alguns ambientes. Analisando a regressão latente, com base nos genótipos mais produtivos, os híbridos H16 e H64 se mostraram os mais adaptados, e H17 o mais estável, aos ambientes avaliados. No contexto da seleção genômica, após obtidas as matrizes de relacionamento genético, os genitores foram distintos em dois grupos, o primeiro agrupando os genitores masculinos (linhagens R) e o segundo os femininos (linhagens A). Os modelos de predição apresentaram boa acurácia preditiva, exceto os esquemas de validação cruzada para híbridos avaliados em mais de cinco locais (CV3.1 e CV3.2), devido a menor informatividade da população de treinamento. Também observou-se que a adição da matriz de efeitos não-aditivos, proporciona um relativo aumento na acurácia de predição de híbridos em múltiplos ambientes, quando comparado aos modelos aditivos. Já para a predição de híbridos ainda não testados, também foram observadas altas acurácias, no entanto o menor tamanho da população de treinamento, e predições baseadas em informação de machos, levou a uma redução da acurácia em todos os esquemas testados. Dessa forma, os métodos de modelos mistos podem ser usados com eficiência nos programas de melhoramento de sorgo biomassa, possibilitando selecionar genótipos mais produtivos, e adaptados e/ou estáveis a uma ampla gama de ambientes, ou à ambientes específicos, além de predizer híbridos ainda não avaliados, ou avaliados em múltiplos ambientes, apresentando alta acurácia. Palavras-chave: Sorghum bicolor. Modelos mistos. Melhoramento de plantas. Validação Cruzada.

Biomass sorghum is a crop that is gaining high demand in the bioenergy market due to its agronomical characteristics, especially tolerance to abiotic stresses and high biomass yield, aiming to bioenergy production. In this context, this work sought to: i) Investigate the genotype × environment (G×E) interaction sources and select productive, adapted and/or stable genotypes, in different environmental conditions using Factor Analytic models; ii) To evaluate the hybrid prediction accuracy using SNP markers information and multi-environment data; iii) To compare the accuracy of additive and additive-dominant models; and iv) Predict hybrids untested in the program. In our analyses we used the historical database of the Bioenergy Sorghum Breeding Program of Embrapa Milho e Sorgo. We genotyped by genotyping-by- sequencing (GBS) 17 R-lines (male fertile) and 46 A-lines (male sterile). The 202 hybrids generated from these lines were evaluated in various regions of the Brazilian territory. Due to the high unbalanced data from trials of different years, and between the preliminary (APH) and final (VCU) trials for hybrid evaluation, we applied a mixed model method for data analysis using the ASReml package available in the software R. High G × E interaction between the evaluated environments was determined, which showed genotypic correlations varying from - 0.09 to 0.68. We were able to distinguish the evaluated environments using a PCA analysis, in which the first two factors explained 48.81% of the genetic variation. Through biplot analysis it was possible to select genotypes showing high adaptability and/or specific adaptability to some environments. The results of the latent regression, based on the most productive genotypes, showed that hybrids H16 and H64 were the most adapted, and hybrid H17 the most stable in the evaluated environments. The genetic relationship matrix from the genomic selection analysis separated the hybrid parents in two groups, the first including the male parents (R-lines) and the second the female parents (A-lines). The predict models presented high prediction accuracy, except the validation schemes for hybrids evaluated in more than five locations (CV3.1 and CV3.2), due to the low informativity of the training population. Also, it was observed that the addition of the non-additive effect matrix provided a relative increase of prediction accuracy to hybrids in multi-environments, when compared to the additive models. Prediction accuracy of unevaluated hybrids were high however the small training population size, and predictions based on male information, led to a reduced prediction accuracy in all tested scenarios. Thus, our results conclude that mixed model methods can be used with efficiency in biomass sorghum breeding programs, making possible to select more productive genotypes, as well as, more adaptable and/or stable genotypes to specific or to diverse environments. The tested models also allowed high prediction accuracy of unevaluated hybrids or specific environments. Keywords: Sorghum bicolor. Mixed models. Plant breeding. Cross-validation.