Predição genômica do comportamento de populações de soja para diferentes macrorregiões brasileiras: uma abordagem para grupo de maturidade relativa e produtividade de grãos

Abstract

A busca por cultivares adaptadas aos diversos ambientes de cultivo é um dos grandes desafios do melhoramento genético. Em soja (Glycine max) o fotoperíodo tem grande expressividade na alteração do ciclo. Por ser uma planta de dias curtos, sua floração é induzida quando o comprimento do dia passa a ser inferior ao fotoperíodo crítico da cultivar. Essa influência é um dos principais fatores de recomendação da época e local de plantio. Para facilitar a recomendação é utilizado o grau de maturidade relativa (GMR), classificação que varia de 000.0 a 10.0 de acordo com o ciclo da soja na região de cultivo. No Brasil, o GMR das cultivares varia de 5.0 a 9.0. A fim de tornar mais eficiente a escolha de genitores e o avanço das populações segregantes com alto potencial produtivo e adaptadas às regiões requeridas, o uso de simulações computacionais em conjunto de ferramentas de seleção genômica (GWS) é vantajoso, uma vez que permite estimar a variância genética de progênies biparentais a partir do genótipo dos pais. O objetivo do trabalho foi estabelecer, através de simulações, as populações de soja com maior potencial de ganho genético para produtividade aliado à adaptação quanto ao GMR para cada uma das cinco macrorregiões sojícolas brasileiras. Os dados genotípicos compostos por 1278 SNPs, bem como os dados fenotípicos de produtividade e GMR foram divididos em cinco grupos, relativos à macrorregião de recomendação do genótipo. Os dados de produtividade foram submetidos a estimativa dos BLUPs, enquanto que os dados de GMR foram submetidos a análise de associação genômica (GWAS) pela metodologia FarmCPU a fim de filtrar os SNPs significativos para a característica, resultando em 46 marcas. A fim de imputar valores para as marcas em cada grupo, foi realizada a análise de GWS pela metodologia gBLUP. Foram selecionados 82 indivíduos como genitores iniciais. Através do pacote AlphaSimR, os valores imputados para os SNPs foram atribuídos como genes aditivos. Os cruzamentos biparentais envolvendo os 82 genitores resultou em 3321 populações F1 através do processo de simulação. Cada F1 deu origem a 200 genótipos F2, por autofecundação, as quais avançaram até geração F10 pelo método SSD. Foram estipulados três métodos de seleção: (1) baseado em produtividade em F10; (2) baseado em produtividade em F2; (3) baseado em GMR em F2 e produtividade em F10. O método que resultou em maior ganho com a seleção avançou no processo de simulação, onde foram selecionados todos os indivíduos com GMR compatível para a macrorregião de interesse e desses genótipos selecionados os 10% mais produtivos. O método de seleção baseado apenas em produtividade em F10 é o mais vantajoso para o ganho com a seleção em produtividade. Progênies provenientes exclusivamente de genitores de baixas latitudes tendem a apresentar baixa adaptação em altas latitudes, ocorrendo o mesmo para progênies de genitores de altas latitudes em regiões de baixas latitudes. Cruzamentos inter-regionais tendem a gerar genótipos com ampla adaptação e potencial produtivo, muitas vezes superando cruzamentos intrarregionais. Seleção genômica permite o direcionamento dos cruzamentos para determinada região ao estimar e selecionar populações com GMR adequado e alta produtividade. Palavras-chave: Glycine max (L.) Merril; GWS; Associação genômica; GWAS; Simulação; Seleção de genitores

Cultivars adapted to several growing environments is a major challenge in plant breeding. In soybean (Glycine max), photoperiod significantly influences the crop cycle, as it is a short-day plant whose flowering is induced when the day length falls below the cultivar's critical photoperiod. This factor is key in determining the recommended planting time and location. The relative maturity group (RMG) classification is used, ranging from 000.0 to 10.0 according to the soybean cycle in the cultivation region. In Brazil, soybean cultivars exhibit RMG values between 5.0 and 9.0. To enhance the selection of parental lines and advance segregating populations with high yield potential and regional adaptation, computational simulations combined with genomic selection (GWS) tools are advantageous, as they estimate the genetic variance of biparental progenies based on parental genotypes. This study aimed to establish, through simulations, soybean populations with the highest potential for genetic gain in yield while ensuring RMG adaptation for each of Brazil’s five soybean macro-regions. Genotypic data comprising 1,278 SNPs, along with phenotypic data on yield and RMG, were divided into five groups based on the recommended macro-region. Yield data were subjected to BLUP estimation, while RMG data underwent a genome-wide association study (GWAS) using the FarmCPU method to identify significant SNPs, resulting in 46 markers. To impute values for these markers in each group, the genomic selection was performed using the gBLUP method. A total of 82 individuals were selected as initial parents. Using the AlphaSimR package, imputed SNP values were treated as additive genes. Biparental crosses among the 82 parents generated 3321 F1 populations through simulation, with each F1 producing 200 F2 genotypes via self-pollination, which advanced to the F10 generation using the SSD method. Three selection methods were tested: (1) based on yield in F10, (2) based on yield in F2, and (3) based on RMG in F2 and yield in F10. The method with the highest selection gain was advanced in the simulation process, selecting individuals with an RMG suitable for the target macro- region, from which the top 10% highest-yielding genotypes were retained. The selection method based solely on yield in F10 proved to be the most effective for yield improvement. Progenies derived exclusively from parents from low latitudes tend to show poor adaptation in high-latitude regions, and the same is observed for progenies from high-latitude parents in low- latitude regions. Inter-regional crosses generated broadly adapted, high-yielding genotypes, often outperforming intra-regional crosses. Genomic selection facilitates targeted crosses for specific regions by estimating and selecting populations with suitable RMG and high-yield potential. Keywords: Glycine max (L.) Merril; GWS; Genomic association; GWAS; Simulation; Parent selection