Prediction of breeding values in sugarcane using pedigree and genomic information

Abstract

The development of genomic tools for speed up sugarcane breeding has been delayed compared to other major crops, therefore, empirical studies must be conducted to evaluate the usefulness of this approach on this important crop. The objectives of our study were: i) to assess the accuracy of prediction of four quantitative traits using genomic information of SNP markers in a commercial sugarcane breeding population; ii) to compare the accuracy between predictions using pedigree and genomic information. Genetic values were predicted in a second phase trial population of 514 individuals genotyped with 37,024 SNP markers. Five statistical predictive models were evaluated: Genomic BLUP (GBLUP), Bayesian LASSO (BL), Bayes A (BA), Bayes B (BB) and Bayesian Ridge Regression (BRR). Accuracies of the methods were assessed through the correlation between observed and predicted genetic values in a lO-fold cross validation. The methods exhibited very similar accuracy values regarding the trait. Nevertheless, there were marked differences among traits. The highest accuracy was obtained for FB by the BRR method (0.57) and the lowest was obtained for TPH by Bayes B method (0.07). Two models (pedigree - P and pedigree + genomic - P+G) were fitted and used to predict the traits in order to compare the prediction accuracy using pedigree and genomic information. Overall, P+G exhibited higher correlation values, as well as lower standard deviation, except for the traits TSH and TPH. Genomic information explained higher proportion of the genetic variance in comparison to the pedigree. Satisfactory accuracies were obtained by using genomic information, especially for pol percentage in sugarcane and fiber percentage in bagasse. Thus, the use of genomic information could be more efficient per unit of time for improvement of desirable agronomic traits in a complex polyploid crop.

Aplicações recentes da predição genômica na área vegetal têm incentivado o seu uso em melhoramento de plantas. O desenvolvimento de ferramentas genômicas para acelerar o melhoramento de cana-de-açúcar está atrasado em comparação com outras grandes culturas, portanto, estudos empíricos devem ser realizados para avaliar a utilidade desta abordagem para o melhoramento desta importante cultura. Os objetivos desse trabalho foram: i) avaliar a acurácia da predição de quatro caracteres quantitativos de cana-de- açúcar usando informação de marcadores SNPs e ii) comparar acurácias entre predições usando pedigree e informação genômica. Valores genéticos foram preditos em uma população de melhoramento da fase T2 de 514 indivíduos genotipados com 37.024 marcadores SNP. Cinco modelos preditivos foram avaliados: Genomic BLUP (GBLUP), Bayesian LASSO (BL), Bayes A (BA), Bayes B (BB) e Bayesian Ridge Regression (BRR). As acurácias dos métodos foram avaliadas através da correlação entre valores genéticos preditos e observados por meio de validação cruzada. Os métodos apresentaram valores de acurácia muito semelhantes. No entanto, houve diferenças marcantes nas acurácias obtidas entre características. A maior acurácia foi obtida para fibra pelo método BRR (0,57) e a menor foi obtida para toneladas de pol por hectare pelo método Bayes B (0,07). Na comparação da predição utilizando pedigree e informação genômica exibiu valores mais elevados de correlação, bem como desvio padrão inferior, exceto para toneladas de cana por hectare e toneladas de pol por hectare. A informação genômica explicou maior proporção da variância genética em comparação com o pedigree. Acurácias satisfatórias foram obtidos utilizando informação genômica, especialmente para percentual de pol em cana e porcentagem de fibra em bagaço. Assim, sua utilização pode ser um abordagem eficaz para a melhoria das características agronômicas desejáveis em uma cultura poliplóide complexa.