Índices multivariados na seleção de cultivares de soja e espectroscopia NIR para a predição do teor de proteína em grãos

Abstract

A soja se destaca entre os cerais e leguminosas pelo elevado teor de óleo e proteína nos grãos. No entanto, a correlação negativa entre essas características representa um desafio para o desenvolvimento de cultivares com alta produtividade e qualidade nutricional. Diante disso, este trabalho teve como objetivos: i) desenvolver modelos preditivos para estimar o teor de proteína em sementes de soja por meio de espectroscopia no infravermelho próximo (NIR); e ii) avaliar a eficiência de métodos de seleção univariados e multivariados na identificação de cultivares superiores quanto a características agronômicas e de qualidade de grãos. Foram avaliados 110 cultivares de soja, analisados na forma de grãos inteiros e moídos, com valores de proteína determinados pelo método de Kjeldahl. Os modelos foram calibrados com regressão PLS, e os melhores desempenhos foram observados para grãos moídos (R2 = 0,87; RPD = 5,75), em comparação aos grãos inteiros (R2 = 0,82; RPD = 4,17). Na análise de seleção, foram avaliadas cinco características (TO, TP, PROD, AP e DAM) por métodos univariados e pelos índices MGIDI e FAI-BLUP. Os métodos multivariados promoveram ganhos mais equilibrados entre as características, sendo mais eficazes para seleção simultânea de cultivares com alta produtividade e qualidade nutricional. Conclui-se que a espectroscopia NIR é uma ferramenta promissora para análises não destrutivas do teor de proteína, e que os índices multivariados são mais indicados em programas de melhoramento com múltiplos objetivos. Palavras-chave: óleo; proteína; infravermelho.Soybean stands out among cereals and legumes for its high oil and protein content. However, the negative correlation between these traits poses a challenge for developing cultivars with high productivity and nutritional quality. Thus, this work aimed to: i) develop predictive models to estimate protein content in soybean seeds using near-infrared (NIR) spectroscopy; and ii) evaluate the efficiency of univariate and multivariate selection methods in identifying superior cultivars for agronomic and grain quality traits. One hundred and ten soybean cultivar were evaluated, analyzed as whole and ground grains, with protein values determined by the Kjeldahl method. The models were calibrated with PLS regression, and the best performance was observed for ground grains (R2 = 0.87; RPD = 5.75) compared to whole grains (R2 = 0.82; RPD = 4.17). In the selection analysis, five traits (TO, TP, PROD, AP, and DAM) were evaluated using univariate methods and the MGIDI and FAI-BLUP indices. Multivariate methods promoted more balanced gains among traits, being more effective for simultaneously selecting cultivars with high productivity and nutritional quality. It is concluded that NIR spectroscopy is a promising tool for non- destructive analysis of protein content, and that multivariate indices are more suitable for breeding programs with multiple objectives. Keywords: oil; protein; infrared.