Estratégias de seleção de progênies de soja via índice multigeração e informações de pedigree

Abstract

Programas de melhoramento, frequentemente, não exploram adequadamente dados históricos e experimentais, ou consideram o efeito das populações na seleção de progênies endogâmicas para aprimorar a acurácia das predições genotípicas. Estudos recentes têm mostrado que tanto a correção espacial quanto o uso de informações de parentesco podem melhorar essa precisão. Diante disso, este estudo teve como objetivo avaliar diferentes abordagens biométricas que exploram dados experimentais facilmente disponíveis para aprimorar a acurácia de predição dos valores genotípicos de progênies de soja. O primeiro enfoque deste estudo consistiu na aplicação do índice de seleção com pais, populações, progênies e gerações (SIPPPG), usado para avaliar as contribuições das populações e das gerações F2 a F5 na seleção realizada na geração F3:5 para a produtividade de grãos, o peso de 100 sementes, o número de dias para maturação e altura na maturação. A análise revelou que a inclusão das gerações aumentou a herdabilidade e a acurácia de seleção para a produtividade e o peso de 100 sementes, destacando a importância do SIPPPG em programas que trabalham com múltiplas populações e gerações de endogamia. O segundo enfoque envolveu a utilização de correção espacial e informações de parentesco em modelos de predição para seleção de progênies F3:4 e F3:5 avaliadas em diferentes ambientes. Alguns modelos espaciais mostraram superioridade em termos de ajuste e herdabilidade, com destaque para inclusão dos erros autorregressivos. Contudo, a inclusão do pedigree demonstrou maior impacto no ajuste dos modelos, na seleção e nas estimativas de herdabilidade, especialmente em ambientes com baixa variabilidade genotípica. No geral, o ajuste espacial combinado com a informação de parentesco resultou em melhores estimadores para seleção dos genótipos. Portanto, tanto o uso do SIPPPG quanto a combinação de correção espacial e dados de parentesco são abordagens eficazes para aumentar a acurácia da seleção em programas de melhoramento de soja, otimizando os recursos disponíveis e promovendo avanços na obtenção de cultivares mais produtivas e adaptadas. Palavras-chave: Glycine max (L.) Merril; modelos mistos; índice de seleção; SIPPPG; análise espacialBreeding programs often do not adequately exploit historical and experimental data or consider the effect of populations on the selection of inbred progenies to improve the accuracy of genotypic predictions. Recent studies have shown that spatial correction and the use of pedigree information can improve this accuracy. Therefore, this study aimed to evaluate different biometric approaches that exploit readily available experimental data to improve the accuracy of predicting genotypic values of soybean progenies. The first focus of this study consisted of applying the selection index with parents, populations, progenies and generations (SIPPPG), used to evaluate the contributions of populations and F2 to F5 generations in the selection performed in F3:5 generation for grain yield, 100-seed weight, number of days to maturity and height at maturity. The analysis revealed that the inclusion of generations increased heritability and selection accuracy for productivity and 100- seed weight, highlighting the importance of SIPPPG in programs that work with multiple populations and inbred generations. The second approach involved the use of spatial correction and kinship information in prediction models for selection of F3:4 and F3:5 progenies evaluated in different environments. Some spatial models showed superiority in terms of fitness and heritability, with emphasis on the inclusion of autoregressive errors. However, the inclusion of pedigree data demonstrated a greater impact on model fit, selection and heritability estimates, especially in environments with low genotypic variability. In general, spatial adjustment combined with kinship information resulted in better estimators for genotype selection. Therefore, both the use of SIPPPG and the combination of spatial correction and pedigree data are effective approaches to increase selection accuracy in soybean breeding programs, optimizing available resources and promoting advances in obtaining more productive and adapted cultivars. Keywords: Glycine max (L.) Merril ; mixed models ; selection index ; SIPPPG ; spatial analysis