Using historical phenotypic data and environmental information for genomic prediction in biomass sorghum

Abstract

Energy sorghum is currently considered a promising alternative crop for generating bioenergy, due to its high biomass yield, has high concentrations of fermentable sugars in its stalks and desirable agro-industrial features, such as short growth cycle, high calorific value, and total crop mechanization. Therefore, the breeding programs are interested in developing new hybrids of sweet and biomass sorghum for a wide range of environmental conditions, however, the cost of the field-testing is expensive and time-consuming. The genomic selection (GS) is a powerful tool that allows breeders to predict the performance of new hybrids in yet to observe untested environments. GS models coupled with the use of environmental covariables (ECs) have the potential to enhance selection accuracy in breeding programs. Models of GS with ECs had potential to increase the accuracy of selection of breeding program. Thus, the goals of this study were to use historical data from VCU's energy sorghum tests from the Embrapa Maize and Sorghum breeding program, associated with molecular marker data and one set of environmental covariables for the prediction of untested energy sorghum hybrids and identification. of mega environments for the cultivation of energy sorghum hybrids. Keywords: Sorghum bicolor. Breeding plants. Genomic selection.

Atualmente, o sorgo é considerado uma alternativa promissora para a geração de bioenergia, devido ao seu alto rendimento de biomassa, caldo com açúcares que são altamente fermentáveis e às características agroindustriais desejáveis, como ciclo curto, alto poder calorífico e colheita mecanizada. Sendo assim, os programas de melhoramento estão interessados em desenvolver novos híbridos de sorgo sacarino e biomassa para uma ampla gama de condições ambientais; no entanto, o custo do teste de campo é caro e demorado. A Seleção Genômica (GS) é uma ferramenta poderosa que permite aos melhoristas prever o desempenho de novos híbridos em ambientes ainda não testados. Modelos de GS aliados ao uso de covariáveis ambientais (ECs) têm o potencial de aumentar a precisão da seleção em programas de melhoramento. Sendo assim os conjuntos de dados históricos de melhoramento, compostos por vários anos e locais, informação molecular e covariáveis ambientais, pode implementar a predição de híbridos de sorgo energia. Permitindo predições mais acuradas de híbridos ainda não testados em ambientes já avaliados, ou ainda a predição de genótipos não avaliados em ambientes também não avaliados pelo programa de melhoramento. Assim, o objetivo deste trabalho é a utilização de dados históricos dos ensaios VCU’s de sorgo energia do programa de melhoramento da Embrapa Milho e Sorgo, associados aos dados de marcadores um conjunto de covariáveis climáticas para a predição de híbridos não realizados de sorgo energia e identificação de mega ambientes para a cultura do sorgo energia. Palavras-chave: Sorghum bicolor. Melhoramento genético. Seleção genômica.