Métodos estatísticos na avaliação da repetibilidade genotípica em lima ácida ‘Tahiti’

Abstract

Métodos estatísticos na avaliação da repetibilidade genotípica em lima ácida ‘Tahiti’. Orientador: Leonardo Lopes Bhering. Frutíferas perenes como a lima ácida ‘Tahiti’ tiveram sua área de cultivo aumentada nos últimos anos devido ao acréscimo no consumo dos seus frutos na preparação de alimentos e bebidas. Para atender a demanda pela produção, a utilização de variedades com alto potencial produtivo recebe destaque como um método de potencializar o cultivo pela alta eficiência e sustentabilidade. A perenidade da lima ácida ‘Tahiti’, assim como em outras espécies, requer a utilização de métodos estatísticos de seleção que isolem efeitos ambientais e possibilitem a identificação apenas da fração genética entre os candidatos. Portanto, a busca de métodos de análise que possam corroborar para aumentar a eficiência e a confiabilidade na avaliação dos dados em experimentos é de suma importância para o progresso no melhoramento genético. Diferentes métodos estatísticos foram aplicados em um conjunto de dados de lima ácida ‘Tahiti’ a fim de investigar a repetibilidade genética na cultura. Sendo assim, 24 genótipos, constituídos de 12 variedades de copa enxertados em 2 híbridos como porta enxerto foram avaliados ao longo de 4 anos para características produtivas, vegetativas e de qualidade de frutos. Em um primeiro artigo, objetivou-se estimar parâmetros genéticos como o coeficiente de repetibilidade através de um modelo linear misto, a fim de determinar o número ótimo de medidas para se avaliar os genótipos com acurácia e precisão. Em resumo, quatro colheitas foi o número recomendado para identificar combinações com base em características produtivas. A seleção com base em várias características simultaneamente é um processo importante e necessário de ser realizado, porém desafiador, dado a diversidade de genes que controlam essas características com variadas magnitudes de efeitos e a interação destes com o ambiente. Deste modo, em um segundo capítulo, aplicou-se a metodologia de regressão aleatória no conjunto de dados e propôs-se um índice de seleção com as áreas abaixo das curvas dos valores genéticos preditos, obtidos pelos coeficientes de regressão aleatórios para características produtivas e vegetativas. Constatou-se que modelos de regressão aleatória lidam adequadamente com medidas repetidas, dados desbalanceados e são recomendados para lidar com interações ambientais. A metodologia aplicada permitiu a predição de valores genotípicos para medições não avaliadas e recomendação de genótipos superiores com base em caracteres simultaneamente. Ao selecionar ou recomendar genótipos superiores, a utilização de conceitos de probabilidade, advindos da inferência bayesiana podem aumentar a confiabilidade, permitindo a identificação de genótipos superiores e estáveis, aumentando assim a eficiência de um programa de melhoramento. Em um terceiro estudo, testou-se a aplicabilidade de um modelo probabilístico bayesiano para a recomendação de lima ácida ‘Tahiti’ através de parâmetros de performance e estabilidade. Ajustou-se um modelo probabilístico por meio de um algoritmo amostrador de Monte Carlo Hamiltoniano. Calculou-se a probabilidade de superioridade do valor genético de cada genótipo no contexto geral e em cada colheita, bem como a probabilidade da inferioridade da interação genótipos x colheitas. Os resultados mostraram a aplicabilidade do modelo probabilístico bayesiano através de componentes de variância acurados, valores de probabilidade para as comparações de performance e estabilidade e intervalos de credibilidade para os parâmetros obtidos. Palavras-chave: Citrus latifolia. Dados longitudinais. Modelos mistos. Inferência bayesiana.

Perennial fruit trees such as the 'Tahiti' lime have seen an increase in cultivation in recent years due to the rise in consumption of its fruits in food and beverage preparation. To meet the demand for production, the use of varieties with high productivity potential is highlighted as a method to enhance cultivation for high efficiency and sustainability. The perennity of the 'Tahiti' lime, as with other species, requires the use of statistical selection methods that isolate environmental effects and allow for the identification of only the genetic fraction among the candidates. Therefore, the search for analytical methods that can increase efficiency and reliability in data evaluation in experiments is of utmost importance for progress in genetic breeding. Different statistical methods were applied to a set of 'Tahiti' lime data to investigate genetic repeatability in the culture. Thus, 24 genotypes, consisting of 12 graft varieties on 2 hybrids as rootstock, were evaluated for productive, vegetative, and fruit quality characteristics over 4 years. Initially, the objective was to estimate genetic parameters such as the repeatability coefficient through a mixed linear model, to determine the optimal number of measurements for accurate and precise genotype evaluation. In summary, four harvests were recommended to identify combinations based on productive characteristics. Selection based on multiple characteristics simultaneously is an important and necessary process to perform, but challenging given the diversity of genes that control these traits with varying magnitudes of effects and their interaction with the environment. Thus, in a second paper, the random regression methodology was applied to the data set and a selection index was proposed with the areas under the curves of the predicted genetic values, obtained by the random regression coefficients for productive and vegetative traits. It was found that random regression models handle repeated measures and unbalanced data adequately and are recommended for dealing with environmental interactions. The applied methodology allowed the prediction of genotypic values for unmeasured traits and the recommendation of superior genotypes based on multiple traits simultaneously. When selecting or recommending superior genotypes, the use of probability concepts, derived from Bayesian inference, can increase reliability, allowing for the identification of superior and stable genotypes, thus increasing the efficiency of a breeding program. In a third study, the applicability of a Bayesian probabilistic model was tested for the recommendation of 'Tahiti' lime through performance and stability parameters. A probabilistic model was fitted using a Hamiltonian Monte Carlo sampling algorithm. The probability of superiority of the genetic value of each genotype in the overall context and in each harvest, as well as the probability of inferiority of the genotype x harvest interaction, were calculated. The results showed the applicability of the Bayesian probabilistic model through accurate variance components, probability values for performance and stability comparisons, and credibility intervals for obtained parameters. Keywords: Citrus latifolia. Longitudinal data. Mixed models. Bayesian inference.