Optimizing a sweet corn breeding program: implementing genomic selection and doubled haploid technology

Abstract

Several tools have been adopted to optimize the breeding programs performance, in terms of breeding cycle length and number of field plots. In this way, tools as genomic selection (GS) and doubled haploid technologies (DH) have been adopted because they shorten the breeding cycle, by predicting the best materials without needing for trying in field (GS) or by the generation of lines faster (DH); diminish the number of field plots, by bringing just the most potential materials (GS) or skipping successive cycles of autopollination (DH); and others. Moreover, many models and packages were developed to simulate breeding programs following the advancement of computational efficiency. With reliability of biological process and robust statistical principles. This fact enables the researchers to investigate the breeding methods and strategies, avoiding the need to implement everything in field, which would take long time and have high cost, to choose the most potential strategy(ies) to be adopted in the program. This work adopted the AlphaSimR package with the goal of optimize a sweet corn breeding program, by including the GS and DH tools, through the evaluation of the genetic parameters and general costs. It was observed that the adoption of these technologies inflates the budget of the program and increase the number of field plots. However, these strategies bring higher genetic gains of the programs and reduce the breeding cycle length. As conclusion, the financial/genetic recompense of adopting these technologies is given by the generation of lines/hybrids faster, which is an intangible gain, but it is very important in a long-term commercial breeding program. Keywords: Plant Breeding. Quantitative Genetics. Biometric Analyses. Genotype-by- Environment Interaction. Cost Efficiency.

Diversas ferramentas têm sido adotadas para otimização de programas de melhoramento, em termos de tempo de ciclo e quantidade de experimentos de campo. Nesse sentido, análises como seleção genômica (GS) e utilização de tecnologia duplo haplóide (DH) tem sido adotada em programas pelo fato de encurtarem o tempo do ciclo, seja por predição (GS) ou pela geração de linhagens mais rapidamente (DH); diminuir o número de plots em campo, predizendo os materiais potencias para serem testados (GS) ou evitando os sucessivos ciclos de auto-fecundação (DH); dentre outros. Além disso, com o avanço da eficiência computacional, diversos modelos e pacotes foram desenvolvidos no intuito de simularem programas de melhoramento. Esses modelos permitem a investigação de métodos visando a escolha dos estágios adequados para introdução de tecnologias, a fim de selecionar as melhores estratégias e não necessitar ter que implementar no programa para realmente ver sua potencialidade, perdendo tempo e dinheiro em plots teste. O trabalho desenvolvido utilizou o pacote AlphaSimR com o intuito de otimizar um programa de melhoramento de milho doce, com a adoção de GS e DH, por meio da avaliação de parâmetros genéticos, e custos gerais. Notou-se que as adoções das tecnologias supracitadas inflam o orçamento do programa convencional atualmente adotado e aumentam o número de parcelas em campo. No entanto, essas estratégias trazem ganhos genéticos e ainda reduzem o tempo de ciclo de melhoramento. Conclui-se que o retorno financeiro/genético da adoção de novas tecnologias ao programa conseguirá aumentar o número de materiais lançados e consequentemente a participação no mercado de milho doce do programa, o que são ganhos intangíveis que são peça chave em um programa de melhoramento comercial com uma visão de longo prazo. Palavras-chave: Melhoramento de Plantas. Genética Quantitaiva. Analyses Biométricas. Interação Genótipo por Ambientes. Eficiência De Custos.