Modelagem da (co)variância genética e residual na análise de ensaios multiambientes de populações segregantes de trigo tropical

Abstract

A quantificação da interação G x A pelo método dos quadrados mínimos ordinários considera as variâncias residuais ao longo dos ambientes homogêneos, o que pode não ocorrer na maioria dos casos, levando a estimativas viesadas dos componentes de variância. A análise de ensaios multiambientes via modelos mistos permite lidar com desbalanceamento genético e estatístico, e modelar as variâncias-covariâncias residuais ao longo dos ambientes, resultando em estimativas adequadas dos componentes de variância e predição acurada dos valores genotípicos. Com isso, o objetivo do trabalho foi implementar uma estrutura de modelagem das variâncias genéticas e residuais ao longo dos ambientes para uma análise de modelos mistos. Utilizamos dados de produtividade de grãos altura de planta e ciclo de três gerações em diferentes ambientes, conduzidos em condições de sequeiro e irrigado, em duas localidades no Estado de Minas Gerais. Os dados foram submetidos a análise individual para estimação dos componentes de variância via REML. Foi realizada a análise conjunta com base em diferentes modelos de modelagem dos efeitos genéticos e residuais para a predição dos valores genotípicos via REML/BLUP. Cada modelo teve seu ajuste testado pelo critério de informação de Akaike (AIC) e de Schwarz ou bayesiano (BIC). O modelo mais adequado para estimar os componentes de variância e os valores genéticos foi a estrutura de simetria composta heterogênea (CSH) para o efeito genotípico aliado ao de simetria diagonal (D) para o efeito residual. Palavras-chave: Interação Genótipos por Ambientes. Modelos Mistos. Variâncias- Covariâncias Residuais e Genotípicas.

Analyzing G x E interaction by the ordinary least squares method assumes that residual variances across environments are homogeneous, which is often not the case, leading to biased estimates of variance components. Mixed models enable the handling of genetic and statistical imbalances in multi-environment trials (MET) analyses and allow for modeling residual (co)variances across environments, resulting in appropriate estimates of variance components and accurate prediction of genotypic values - BLUP. Therefore, the objective of this study was to implement a modeling structure for genetic and residual variances across environments for a mixed model analysis. We utilized data on grain yield (PROD), plant height (ALT), and days to heading (ESP) from three generations evaluated in different environments, conducted under rainfed and irrigated conditions, in two locations in the state of Minas Gerais, Brazil. The data underwent individual analysis to estimate variance components via REML. A joint analysis was conducted based on different models for modeling genetic and residual effects to predict genotypic values via REML/BLUP. Each model was assessed using the Akaike information criterion (AIC) and Schwarz or Bayesian information criterion (BIC). The most suitable model for estimating variance components and genetic values was the heterogeneous compound symmetry (CSH) structure for the genotypic effect combined with the diagonal (D) symmetry structure for the residual effect. Keywords: Genotype by Environment Interaction. Mixed Models. Residual and Genotypic Variance-Covariances.