Predição fenômica: uma avaliação de modelos preditivos no melhoramento genético do eucalipto

Abstract

O eucalipto ocupa uma posição de destaque na economia brasileira devido, principalmente, às diversas possibilidades de uso de sua madeira, como na produção de celulose, papel, carvão vegetal e geração de energia. Esse estudo teve como objetivo avaliar o desempenho da predição genômica (que se baseia em informações de marcadores moleculares SNPs) e da predição fenômica (Near Infrared Reflectance Spectroscopy – NIRS) em diferentes cenários, para características físicas e químicas da madeira de uma população híbrida (Eucalyptus urophylla x Eucalyptus grandis). Foram genotipados 339 indivíduos para 33.398 marcadores SNPs distribuídos por todo o genoma e rastreados por NIRS com 700 comprimentos de onda. As duas abordagens de predição foram realizadas utilizando os métodos estatísticos: Genomic Best Linear Unbiased Prediction (G-BLUP), Bayesian Ridge Regression (BRR), Bayes B e Bayesian Reproducing Kernel Hilbert Space (B-RKHS). Para avaliar o desempenho dos métodos, foi realizada a validação cruzada 10-fold, visando calcular a média e o desvio padrão da capacidade preditiva e do coeficiente de regressão. A Seleção Fenômica (NIRS) apresentou menor precisão de predição para a maioria das características avaliadas, mas exibiu resultados semelhantes aos obtidos por meio do G-BLUP no cenário em que o número de comprimentos de onda é igual ao número de SNPs. Isso sugere que a predição fenômica (NIRS) pode ser uma alternativa à predição genômica no melhoramento do eucalipto. Palavras-chave: BLUP; seleção genômica; melhoramento de plantas; SNP; NIRSEucalyptus occupies a prominent position in the Brazilian economy primarily due to the various possibilities for using its wood, such as in the production of cellulose, paper, charcoal, and energy generation. This study aimed to evaluate the performance of genomic prediction (which is based on information from SNPs molecular markers) and phenomic prediction (Near Infrared Spectroscopy – NIRS) in different scenarios for the physical and chemical characteristics of wood from a hybrid population (Eucalyptus urophylla x Eucalyptus grandis). A total of 339 individuals were genotyped for 33,398 SNP markers distributed across the entire genome and assessed by NIRS with 700 wavelengths. The two prediction approaches were executed using the following statistical methods: Genomic Best Linear Unbiased Prediction (G-BLUP), Bayesian Ridge Regression (BRR), Bayes B and Bayesian Reproucing Kernel Hilbert Space (B-RKHS). To evaluate the performance of the methods, 10-fold-cross-validation was performed to calculate the mean and standard deviation of predictive ability and the regression coefficient. Phenomic Selection (NIRS) demonstrated lower predictive accuracy for most of the evaluated traits but displayed results similar to those obtained via G-BLUP in the scenario where the number of wavelengths equaled the number of SNPs. This suggests that phenomic prediction (NIRS) may be a viable alternative to genomic prediction in the eucalyptus breeding. Keywords: BLUP; genomic selection; plant breeding; SNP; NIRS