Aplicação dos modelos lineares mistos no melhoramento de Cynodon spp.

Abstract

O gênero Cynodon pertence à família Poaceae sendo uma das espécies forrageiras mais cultivadas no mundo. É possível diferenciar essa gramínea em dois grupos: Gramas-Bermudas, que possui como representante Cynodon dactylon; e Gramas-Estrela, abrangendo C. nlemfuensis, C. arthiopicus e C. plectostacyus. A utilização de Cynodon spp. na alimentação do gado tem contribuído com ganhos consideráveis no peso dos animais e no aumento da produção de leite, além de ser uma forrageira que apresenta boa produtividade e qualidade nutricional. O programa de melhoramento genético de Cynodon da Embrapa explora a variabilidade genética da espécie utilizando a seleção recorrente fenotípica de famílias de meio- irmãos e autofecundação de clones, com foco na seleção de clones com elevada produtividade de biomassa vegetal (produção de forragem). Classicamente, dados dessa natureza eram avaliados sob Análise de Variância (ANOVA). Entretanto, tomar medidas em um mesmo genótipo ao longo do tempo pode gerar erros correlacionados, ferindo um dos pressupostos da ANOVA de independência dos resíduos. Neste sentido a utilização de modelos lineares mistos aplicando a modelagem de estruturas de covariância dos efeitos aleatórios torna-se uma abordagem promissora para obtenção dos valores genéticos mais acurados. A busca por estratégias que auxilie o melhorista a selecionar indivíduos superiores baseados em várias características pode contribuir na otimização de um programa de melhoramento. Assim o objetivo do presente trabalho foi realizar a modelagem de estruturas de covariância em clones de Cynodon spp. e avaliar o ganho genético baseado na seleção a partir de um índice multicaracterístico. O experimento foi realizado em 2012 no campo experimental da Embrapa Gado de Leite. O delineamento adotado foi em blocos aumentados, com quatro blocos e cinco testemunhas comerciais avaliados em quatro cortes. As 197 progênies de autofecundação da cultivar Grama Estrela Roxa juntamente com as cinco testemunhas foram avaliadas para as características altura de plantas (PH), porcentagem de matéria seca de forragem (DM), peso verde de forragem (WG) e vigor da planta (VG). Dezenove modelos foram testados e a escolha do modelo de melhor ajuste foi determinada pelo AIC. O índice multicaracterístico utilizado foi o FAI-BLUP, que se baseia em análise fatorial para identificar um ideótipo e posteriormente realizar a seleção. O modelo mais ajustado segundo o AIC foi o m17, que adota a estrutura de covariância CORH para os efeitos genéticos. A escolha dessa estrutura reflete a natureza de dados avaliados sob medidas repetidas, uma que possibilita variâncias heterogêneas para cada corte, mas sem ignorar a correlação que existe entre os mesmos. Escolher o modelo adequado refletiu em alterações no ranking dos melhores indivíduos. O índice FAI-BLUP possibilitou ganhos em todas características com destaque para WG e VG. Os 20% melhores genótipos foram selecionados e estes são T5, 11, 118, T3, 152, 134, 161, 7, 35, 126, 128, 149, 81, 103, 165, 168, T1, T2, 39 e 193. Este trabalho evidenciou que ajustar um modelo com a estrutura de covariância adequada, possibilita obter ganhos com a seleção e garante uma seleção mais acurada seja na seleção direta ou para seleção simultânea de múltiplas características. Palavras-chave: Estruturas de covariância. Medidas Repetidas. FAI-BLUP. Melhoramento de forrageiras. REML/BLUP.The Cynodon genus belongs to the Poaceae family and is one of the most cultivated forage species in the world. It is possible to differentiate this forage into two groups: Bermudagrass, which has Cynodon dactylon as its representative; and Stargrass, covering C. nlemfuensis, C. arthiopicus and C. plectostacyus. The use of Cynodon spp. in cattle feeding, it has contributed to considerable gains in animal weight, contributing to increased milk production, in addition to being a forage that has good yield and nutritional quality. The Embrapa Cynodon breeding program explores the genetic variability of the species using phenotypic recurrent selection of half-sib families and self- pollinating of clone, focusing on the selection of clones with high plant biomass production (forage production). Classically, data of this nature were evaluated using Analysis of Variance (ANOVA). However, taking measurements in the same genotype over time can generate correlated errors, violating one of the ANOVA assumptions of independence of residuals. In this way, the use of mixed linear models applying the modeling of covariance structures of random effects becomes a promising approach to obtain more accurate genetic values. The search for strategies that help the breeder to select superior individuals based on several traits can contribute to the optimization of a breeding program. Thus, the aim of this work was to carry out the modeling of covariance structures in clones of Cynodon spp. and to evaluate the genetic gain based on selection from a multitrait index. The experiment was carried out in 2012 in the experimental field of Embrapa Gado de Leite. The design adopted was in augmented blocks, with four replications and five commercial checks evaluated in four trail cuts. 197 self-pollinating progenies of the cultivar Grama Estrela Roxa were evaluated together with the five checks for the traits plant height (PH), percentage of dry matter (DM), forage green weight (WG) and plant vigor (VG). Nineteen models were tested and the choice of the best-fit model was determined by AIC. The multi-trait index used was the FAI-BLUP, which is based on factor analysis to identify an ideotype and subsequently carry out the selection. The most adjusted model according to the AIC was the m17, which adopts the CORH covariance structure for the genetic effects. The choice of this structure reflects the nature of data evaluated under repeated measures, one that allows for heterogeneous variances for each trail cut, but without ignoring the correlation that exists between them. Choosing the best-fit model reflected changes in the ranking of the best individuals. The FAI-BLUP index allowed gains in all characteristics, especially WG and VG. The top 20% genotypes were selected and these are T5, 11, 118, T3, 152, 134, 161, 7, 35, 126, 128, 149, 81, 103, 165, 168, T1, T2, 39 and 193. Therefore, this work showed that adjusting a model with the appropriate covariance structure makes it possible to obtain gains with the selection and guarantees a more accurate selection either in the direct selection or for the simultaneous selection of multiple characteristics. Keywords: Covariance Structure. Repeated Measures. FAI-BLUP. Forage Breeding. REML/BLUP.