Importância de características auxiliares no melhoramento da produção e da capacidade de expansão de milho-pipoca com abordagem de inteligência computacional

Abstract

O presente estudo avalia o desempenho de linhagens de milho-pipoca (Zea mays L. var. everta) sob condições contrastantes de disponibilidade hídrica, com o objetivo de identificar características auxiliares associadas ao rendimento de grãos e à capacidade de expansão. Os ensaios foram conduzidos nas safras de 2020 e 2021, em delineamento em blocos ao acaso, considerando manejo bem irrigado e sob estresse hídrico. Foram avaliados caracteres agronômicos, fisiológicos e morfológicos do sistema radicular, e aplicadas análises de variabilidade genética, coeficientes de determinação e correlações fenotípicas, genotípicas e parciais para embasar a interpretação dos dados. Tradicionalmente, a análise de trilha tem sido empregada no melhoramento de plantas para decompor correlações em efeitos diretos e indiretos. Contudo, este trabalho apresenta um outro método para o mesmo fim: o uso de árvores de decisão. Por meio da construção de árvores de regressão baseadas no algoritmo CART, a pesquisa utiliza a topologia da árvore — formada pelos nós e divisões hierárquicas — para evidenciar quais variáveis explicativas exercem maior influência sobre as variáveis principais. Essa abordagem permite lidar com relações não lineares e captar interações complexas entre caracteres, oferecendo uma visão prática e interpretável da relevância relativa de cada variável. Os resultados demonstram variabilidade genética significativa entre as linhagens estudadas e mostram que a estrutura hierárquica das árvores de decisão permite identificar, de forma objetiva, os caracteres auxiliares mais impactantes sobre o rendimento de grãos e a capacidade de expansão. Dessa forma, o estudo amplia as possibilidades analíticas disponíveis para programas de melhoramento de milho- pipoca, fornecendo uma alternativa sólida à análise de trilha. Palavras-chave: milhopipoca; árvores de decisão; topologia.This study evaluates the performance of popcorn maize (Zea mays L. var. everta) lines under contrasting water availability conditions, aiming to identify auxiliary traits associated with grain yield and popping expansion. The experiments were carried out during the 2020 and 2021 growing seasons in a randomized block design, considering both well-irrigated management and water stress conditions. Agronomic, physiological, and root system morphological traits were assessed, and analyses of genetic variability, coefficients of determination, and phenotypic, genotypic, and partial correlations were performed to support data interpretation. Traditionally, path analysis has been employed in plant breeding to decompose correlations into direct and indirect effects. However, this study presents another method for the same purpose: the use of decision trees. By constructing regression trees based on the CART algorithm, the research uses the tree topology—formed by nodes and hierarchical splits—to highlight which explanatory variables exert the greatest influence on the main traits. This approach handles nonlinear relationships and captures complex interactions among traits, offering a practical and interpretable view of each variable’s relative importance. The results demonstrate significant genetic variability among the studied lines and show that the hierarchical structure of decision trees makes it possible to objectively identify the most impactful auxiliary traits on grain yield and popping expansion. Therefore, this study broadens the analytical options available for popcorn maize breeding programs, providing a robust alternative to path analysis. Keywords: popcorn maize; decision trees; topology