Avaliação do impacto da seleção baseada na combinação de análise de fatores e índices de seleção em um programa de melhoramento de seleção recorrente

Abstract

Com a crescente demanda comercial, o desenvolvimento de novas cultivares pelos programas de melhoramento exige que os genótipos selecionados atendam a uma ampla gama de características, incluindo resistência a doenças, produtividade e qualidade, entre outras. O índice de seleção é uma técnica biométrica amplamente utilizada para selecionar genótipos superiores, baseando-se em várias características simultaneamente, mas enfrenta desafios em sua confiabilidade quando muitos atributos estão envolvidos, devido às correlações entre os caracteres e à estimativa dos pesos do índice. Para superar essa questão, uma técnica multivariada que visa reduzir a dimensão do conjunto de dados e garantir a ortogonalidade entre as variáveis latentes é a análise de fatores (AF). Assim, com o objetivo de avaliar a combinação das técnicas a longo prazo, foram aplicados os escores da AF em substituição às variáveis fenotípicas no índice, comparando essa abordagem ao uso exclusivo do índice. Diversos cenários foram simulados, com variações na quantidade de características em seleção e as direções e magnitudes das correlações entre elas, para avaliar o impacto na seleção. A eficiência da combinação foi avaliada em termos de ganho genético, diversidade genética e endogamia, sendo esses resultados comparados ao uso exclusivo do índice de seleção. Os resultados indicam que, a longo prazo, a combinação das técnicas apresentou ganhos genéticos semelhantes ao índice tradicional, mas com maior diversidade genética na maioria dos cenários. O primeiro capítulo deste trabalho é uma revisão bibliográfica dos métodos utilizados, enquanto o segundo capítulo descreve a execução do trabalho. Palavras-chave: Simulação; Correlação; Ganho Genético; Diversidade Genética.

With increasing commercial demands, the development of new cultivars by breeding programs requires that selected genotypes meet a wide range of characteristics, including disease resistance, productivity, and quality, among others. The selection index is a widely used biometric technique for identifying superior genotypes based on multiple traits simultaneously, but it faces reliability challenges when many attributes are involved, due to correlations among traits and the difficulty of estimating index weights. To address this issue, factor analysis (FA), a multivariate technique aimed at reducing data dimensionality and ensuring orthogonality between latent variables, has been employed. To evaluate the long-term combination of these techniques, FA scores were applied in place of phenotypic variables in the index, and this approach was compared to the exclusive use of the index. Various scenarios were simulated, with variations in the number of traits and the directions and magnitudes of their correlations, to assess the impact on selection. The efficiency of the combination was evaluated in terms of genetic gain, genetic diversity, and inbreeding, and these results were compared to the exclusive use of the selection index. Results indicate that, in the long term, the combination of techniques achieved similar genetic gains to the traditional index but with greater genetic diversity in most scenarios. The first chapter of this work is a literature review of the methods used, while the second chapter describes the execution of the study. Keywords: Simulation; Correlation; Genetic Gain; Genetic Diversity.