Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

Análisis BLUP (Best Linear Unbiased Predictors) en etapas avanzadas de selección en papa criolla (Solanum tuberosum Grupo Phureja)

Evaluation field of promising genotypes of yellow diploid potato. Photo: L.E. Rodríguez.

Resumen

Uno de los principales desafíos que enfrentan los mejoradores es la respuesta diferencial de los genotipos de un entorno a otro, conocida como la interacción genotipo × ambiente (GxE). El procedimiento óptimo restringido de máxima verosimilitud/mejor predictor imparcial lineal (REML / BLUP) permite la estimación simultánea de parámetros genéticos y la predicción de valores genotípicos. Los predictores BLUP se presentan como una alternativa al estrechamiento de los valores sesgados. Se basa en las variaciones por genotipo para determinar su valor de respuesta como complemento al índice de selección (SI). El índice de selección (IS) ESIM (Eigenvalue Selection Index) permite seleccionar genotipos basados en dos o más variables o caracteres de selección siempre y cuando la matriz económica posea los valores adecuados para resaltar la variable respuesta deseada. Se evaluaron tres etapas de selección en un programa avanzado de mejoramiento de papa diploide, se obtuvieron los valores BLUP para las variables rendimiento y gravedad específica (GE), y a partir de ellos los parámetros genéticos y el IS. La ganancia genética para rendimiento correspondió a 1.228 kg/planta con una heredabilidad (H2)=0,82, mientras que la GA para GE fue 0,02 con una H2 = 0,935. El IS a partir de los valores BLUP seleccionó en las etapas finales tres nuevos cultivares (Criolla Dorada, Criolla Ocarina y Criolla Sua Pa) que fueron registradas ante el Instituto Colombiano Agropecuario (ICA). Aunque BLUE y BLUP están altamente correlacionadas, el análisis BLUP/ESIM da ventaja al predictor pues reduce las respuestas con efecto ambiental, seleccionando eficientemente genotipos con alto potencial varietal.

Palabras clave

Mejoramiento de papa, Índice de selección, ESIM, Parámetros genéticos

PDF (English)

Citas

  1. Alvarado, G., M. López, M. Vargas, Á. Pacheco, F. Rodríguez, J. Burgueño y J. Crossa. 2015. META-R: Multi Environment Trail Analysis with R for Windows V19. International Maize and Wheat Improvement Center. En http://hdl.handle.net/11529/10201; Consultado: marzo de 2017.
  2. Barbosa, M.H.P., A. Ferreira, L.A. Peixoto, M.D.V. Resende, M. Nascimento y F.F. Silva. 2014. Selection of sugar cane families by using BLUP and multi-diverse analyses for planting in the Brazilian savannah. Genet. Mol. Res. 13(1), 1619–1626.
  3. Bernardo, R. 1995. Best linear unbiased prediction of maize single-cross performance. Crop Sci. 36, 50-56.
  4. Bernardo, R. 1996. Testcross additive and dominance effects in best linear unbiased prediction of maize single-cross performance. Theor. Appl. Genet. 93(7), 1098-1102.
  5. Bonierbale, M., W. Amoros, E. Espinoza, E. Mihovilovich, W. Roca y R. Gómez. 2004. Recursos Genéticos de la papa: don del pasado, legado para el futuro. Rev. Latinoam. Papa 12 (suplemento).
  6. Borges, V., P.V. Ferreira, L. Soares, G.M. Santos y A.M.M. Santos. 2010. Seleção de clones de batata-doce pelo procedimento REML/BLUP. Acta Sci. – Agron. 32(4), 643-649.
  7. Burgos, G., W. Amoros, M. Morote, J. Stangoulis y M. Bonierbale. 2007. Iron and zinc concentration of native Andean potato cultivars from a human nutrition perspective. J. Sci. Food Agric. 87, 668-675.
  8. Ceballos, H., N. Morante, F. Calle, J.I. Lenis, G. Jaramillo y C. Pérez. 2002. Mejoramiento Genético de la yuca. pp. 295-325. En: Ospina, P., H. Ceballos, E. Alvarez, A. Bellotti, L. Calvert, B. Arias, … M.I. Cuervo (eds.), La yuca en el tercer milenio: sistemas modernos de producción, procesamiento, utilización y comercialización. Centro Internacional de Agricultura Tropical (CIAT); Consorcio Latinoamericano para la Investigación y el Desarrollo de la Yuca, Cali, Colombia.
  9. Ceballos, H., J.C. Pérez, O. Joaqui Barandica, J.I. Lenis, N. Morante, F. Calle, … C.H. Hershey, 2016. Cassava breeding i: the value of breeding value. Front. Plant Sci. 7(September).
  10. Cerón-Rojas, J.J., F. Castillo-González, J. Sahagún-Castellanos, A. Santacruz-Varela, I. Benítez-Riquelme y J. Crossa. 2008. A molecular selection index method based on eigenanalysis. Genetics 180(1), 547-557.
  11. Cerón-Rojas, J.J., J. Crossa, J. Sahagún-Castellanos, F. Castillo-González y A. Santacruz-Varela, 2006. A selection index method based on eigenanalysis. Crop Sci. 46(4), 1711-1721.
  12. Cerón-Rojas, J.J., J. Crossa, F.H. Toledo, y J. Sahagún-Castellanos. 2016. A predetermined proportional gains eigen selection index method. Crop Sci. 56(5), 2436-2447.
  13. Cotes, J.M., C.E. Ñustez, R. Martínez, y N. Estrada. 2000. Análisis de la interacción genotipo por ambiente en papa (Solanum tuberosum spp. andigena), a través de una metodología no paramétrica. Agron. Colomb. 17, 43-56.
  14. Federer, W. y D. Raghavarao. 1975. On augmented designs. Biometrics 31(1), 29-35.
  15. Federer, W.T. 1998. Recovery of interblock, intergradient, and intervariety information in incomplete block and lattice rectangle. Des. Exp. 54(2), 471-481.
  16. Ferreira de Carvalho, A.D., R. Fritsche Neto y I.O. Geraldi. 2008. Estimation and prediction of parameters and breeding values in soybean using REML/BLUP and Least Squares. Crop Breed. Appl. Biotechnol. 8(3), 219-224.
  17. Flori, A.R.P.A. y L.B.S. Hamon. 2001. Prediction of oil palm (Elaeis guineensis, Jacq.) agronomic performances using the best linear unbiased predictor ( BLUP ), 787–792.
  18. Francis, T.R. y L.W. Kannenberg. 1978. Yield stability studies in short-season maize. I. A descriptive method for grouping genotypes. Can. J. Plant Sci. 62(I), 105-111.
  19. Hammond, J.P., M.R. Broadley, H.C. Bowen, W.P. Spracklen, R.M. Hayden y P.J. White. 2011. Gene expression changes in phosphorus deficient potato (Solanum tuberosum L.) leaves and the potential for diagnostic gene expression markers. PLoS ONE 6(9).
  20. Henderson, C. 1953. Estimation of variance and covariance components. Biometrics 9(2), 226-252.
  21. Henderson, C. 1984. Applications of linear models in animal breeding models. Univesity of Guelph, Guelph, Ontario, Canada.
  22. Henderson, C.R. 2012. Best linear unbiased prediction (BLUP) of random effects in the normal linear mixed effects model. Aaps.
  23. Huamán, Z. y D.M. Spooner. 2002. Reclassification of landrace populations of cultivated potatoes (Solanum sect. Petota). Am. J. Bot. 89(6), 947-965.
  24. Littell, R.C., G.A. Milliken, W.W. Stroup, R.D. Wolfinger y O. Schabenberger. 2006. SAS for mixed models. 2a ed. SAS Press, Cary, NC.
  25. Patterson, H. y R. Thompson. 1971. Recovery of inter-block information when block sizes are unequal. Biometrika 58(3), 545-554.
  26. Peña, C., L.-P. Restrepo-Sánchez, A. Kushalappa, L.-E. Rodríguez-Molano, T. Mosquera y C.-E. Narváez-Cuenca. 2015. Nutritional contents of advanced breeding clones of Solanum tuberosum group Phureja. LWT - Food Sci. Technol. 62(1), 76-82.
  27. Piepho, H.P. 1994. Best linear unbiased prediction (BLUP) for regional yield trials: a comparison to additive main effects and multiplicative interaction (AMMI) analysis. Theor. Appl. Genet. 89(5).
  28. Piepho, H.P., J. Möhring, A.E. Melchinger y A. Büchse. 2008. BLUP for phenotypic selection in plant breeding and variety testing. Euphytica 161(1–2), 209-228.
  29. Poehlman, J. y D. Allen. 2003. Mejoramiento genético de las cosechas. 2a ed. Limusa, Mexico D.F.
  30. PGSC, Potato Genome Sequencing Consortium. 2011. Genome sequence and analysis of the tuber crop potato. Nature 475, 189-195.
  31. Rivadeneira, J., D. Ortega, V. Morales, C. Monteros, y X. Cuesta. 2016. Efecto de la interacción genotipo por ambiente sobre los contenidos de hierro, zinc y vitamina C en genotipos de papa (Solanum sp.). Rev. Latinoam. Papa 20(1), 32-45.
  32. Rivera, J.E., A.O. Herrera y L.E. Rodríguez. 2011. Assessment of the processing profile of six “creole potato” genotypes (Solanum tuberosum Phureja Group). Agron. Colomb. 29(1), 73-81.
  33. Robinson, G.K. 1991. That BLUP is a good thing: the estimation of random effects. Stat. Sci. 6(1), 15-32.
  34. Rodríguez M., L.E. 2013. Análisis genético y molecular para rendimiento y período de reposo de tubérculo en papa a nivel diploide (S. bukasovvi x S. tuberosum grupo Phureja). Universidad Nacional de Colombia, en http://www.bdigital.unal.edu.co/44373/; consultado: octubre de 2017.
  35. Slater, A.T., G.M. Wilson, N.O.I. Cogan, J.W. Forster y B.J. Hayes. 2014. Improving the analysis of low heritability complex traits for enhanced genetic gain in potato. Theor. Appl. Genet. 127(4), 809-820.
  36. Smith, H.F. 1936. A discriminant function for plant selection. Papers on Quantitative Genetics and Related Topics, 466–476.
  37. Ticona-Benavente, C.A., C.A. Brasil Pereira Pinto, I.C. Rodrigues de Figueiredo y G.H. Martins Rodrigues Ribeiro. 2011. Repeatability of family means in early generations of potato under heat stress. Crop Breed. Appl. Biotechnol. 11, 330-337.
  38. Ticona-Benavente, C. A. y D.F. da Silva Filho 2015. Comparison of BLUE and BLUP/REML in the selection of clones and families of potato (Solanum tuberosum). Genet. Mol. Res. 14(4), 18421-18430.
  39. Ticona-Benavente, C.A. y C.A.B.P. Pinto. 2012. Selection intensities of families and clones in potato breeding. Ciênc. Agrotecnol. 36(1), 60-68.

Descargas

Los datos de descargas todavía no están disponibles.

Artículos similares

1 2 3 4 > >> 

También puede {advancedSearchLink} para este artículo.