Validação de modelos de predição de compostos multigenotipicos e seleção de linhagens de soja para plantios multigenotípicos

Abstract

Este trabalho teve como objetivo validar modelos estatísticos para predição de compostos multigenotípicos e selecionar combinações de linhagens de soja para utilização em sistemas de plantio que incorporam diversidade genética. O estudo foi conduzido na Fazenda de Ensino, Pesquisa e Extensão da UNESP, em Selvíria-MS, avaliando 18 genótipos sob condições de auto e alocompetição. Utilizou-se o delineamento de competição proposto por Perecin et al. (1997) em associação ao modelo dialélico parcial de Geraldi e Miranda Filho (1988), permitindo estimar capacidades gerais e específicas de exercer e tolerar competição entre genótipos. As análises revelaram ampla variabilidade competitiva, indicando forte influência da competição intergenotípica sobre a produtividade. Observou-se incremento médio de até 13% na produtividade em condições de alocompetição quando comparada à autocompetição, evidenciando efeitos complementares entre genótipos distintos. As predições dos compostos C50 e C67 mostraram que determinadas combinações apresentaram desempenho superior ao de seus componentes isolados, indicando maior eficiência no uso dos recursos do ambiente e maior estabilidade produtiva em sistemas mistos. Os resultados confirmam o potencial dos compostos multigenotípicos como estratégia para elevar produtividade, estabilidade e resiliência da cultura da soja. A integração entre modelagem genética, análise de competição e predição de combinações permite identificar misturas com alto grau de complementaridade, contribuindo para sistemas agrícolas mais eficientes e sustentáveis.

This study aimed to validate statistical models for predicting multigenotypic soybean composites and to select combinations of lines suitable for genetically diverse planting systems. The research was carried out at the Teaching, Research, and Extension Farm of UNESP in Selvíria, MS, using 18 genotypes evaluated under self-competition and allocompetition conditions. The experimental design proposed by Perecin et al. (1997), combined with the partial diallel model of Geraldi and Miranda Filho (1988), enabled the estimation of general and specific abilities related to exerting and tolerating intergenotypic competition. The analyses revealed substantial genetic variability in competitive behavior, demonstrating that intergenotypic interaction significantly affects yield performance. Allocometric effects led to yield increases of up to 13% compared with self-competition, indicating strong complementarities among distinct genotypes. Predictions of the C50 and C67 composite types showed that specific genotype combinations outperformed their respective monocultures, suggesting enhanced resource-use efficiency and greater production stability under mixed-stand systems. The results confirm the potential of multigenotypic composites as an effective strategy to improve soybean productivity, stability, and resilience. Integrating genetic modeling, competition analysis, and predictive tools facilitates the identification of highly complementary mixtures, contributing to more sustainable and efficient agricultural systems.