Publicação: Genomic Prediction in Sweet Corn (Zea mays saccharata)
Carregando...
Arquivos
Data
Autores
Orientador
Moro, Gustavo Vitti 
Coorientador
Pós-graduação
Agronomia (Genética e Melhoramento de Plantas) - FCAV 33004102029P6
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Tese de doutorado
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
O milho é uma cultura-chave globalmente e tem sido explorado
para diversos fins, inclusive para o consumo humano, onde cultivares com
composição distinta do endosperma tem se destacado. Dentre elas, a espécie
doce, Zea mays sacharatta, cuja singularidade é causada pela inibição da
conversão total da glicose em amido, durante a maturação do grão, destaca-se
por possuir melhor palatabilidade. Devido a essas particularidades, o consumo
de milho doce vem aumentando ao longo dos anos e, em 2023, seu mercado
de sementes foi avaliado em US$ 820,3 milhões. Apesar de muito consumido,
o milho doce ainda é recente no Brasil e predomina na forma enlatada, sendo
produzido por poucos agricultores e com poucas informações sobre seu
mercado, produção e benefícios. Para atender às necessidades agroindustriais,
genótipos de milho doce devem possuir produtividade e comportamento
industrial competitivos, tolerância aos principais patógenos e boa
palatabilidade, tornando sua fenotipagem onerosa e requerendo estratégias
complementares. Nesse sentido, a utilização de modelos preditivos, apresenta-
se como uma boa alternativa ao combinar dados genotípicos e fenotípicos para
construir um modelo estatístico que estima os efeitos dos marcadores e,
consequentemente, o valor genético dos indivíduos, encurtando o ciclo
reprodutivo e os processos de fenotipagem. A precisão do modelo é altamente
influenciada por fatores como qualidade dos dados e densidade de
marcadores, que impactam nos custos do projeto. Dessa forma, vários estudos
de pré-seleção de marcadores têm sido realizados para verificar densidades
mínimas sem perdas significativas nas acurácias de predição. Eles podem ser
realizados com base em blocos de haplótipos ou com base em seleções de
marcadores espaçados uniformemente ao longo do genoma e, embora tenham
sido implementados em outras culturas, nunca se testou em genótipos de milho
doce. Neste estudo, objetivou-se realizar uma revisão de literatura do milho
doce no Brasil, bem como avaliar e validar diferentes estratégias de pré-
seleção de marcadores e encontrar a densidade mínima para se predizer
caracteres de produtividade em milho doce. Inicialmente, a predição foi
realizada com um chip de alta densidade e, em seguida, utilizando-se uma
estratégia de agrupamento de marcadores em blocos de haplótipos. Além
disso, uma terceira estratégia foi testada, onde os marcadores foram
selecionados uniformemente em todo o genoma. Em geral, a acurácia de todas
as características reduziu-se à medida que o número de marcadores diminuiu.
No entanto, essa relação não permaneceu constante e atingiu um platô após
um certo ponto. A aplicação da pré-seleção de marcadores pode ser uma boa
opção para uma implementação econômica da seleção genômica em milho
doce para caracteres de produção, por apresentarem uma acuracidade
significativa usando-se um painel de ~ 8k marcadores. Além disso, usar um
marcador por bloco de haplótipo parece ser uma estratégia de melhor custo-
benefício para realizar a seleção genômica em milho doce, para características
de rendimento.
Resumo (inglês)
Corn is a key crop all over the world and has been exploited by man for different purposes, including human consumption, where cultivars with distinct composition of the endosperm have been gained prominence. Among them, the sweet specie, Zea mays sacharatta, whose singularity is caused by the inhibition of the total conversion of glucose into starch, during the grain maturation process, stands out for having a better palatability. Due to these particularities, sweet corn consumption has been increasing over the years and, in 2023, its seeds market was valued in US$ 820.3 million. Even though highly consumed worldwide, sweet corn consumption is still recent in Brazil and predominates in the form of canned grains, being produced by few growers and with little information available about its market, forms of production and benefits. In order to meet the agro-industrial needs, sweet corn varieties must account for many traits, as yield, industrial behavior, tolerance to the main pathogens and organoleptic characteristics, which make its phenotyping a costly practice and requires complementary strategies to be feasible. In this sense, the use of predictive models, based on the molecular information, presents as an excellent alternative, as they combined genotypic and phenotypic data to build a statistical model to estimate the effects of all markers and consequently the genetic value of individuals, shortening the breeding cycle and phenotyping processes. However, the accuracy of the prediction is highly influenced by characteristics such as data quality and marker density, which impact on project costs. On this way, several studies regarding the pre-selection of markers have been carried out to verify minimum densities without the significant loss in prediction accuracies. They can be done based on blocks of haplotypes or based on marker’s selections evenly spaced across the genome and were already implemented on other crops and animal breeding, but never in sweet corn genotypes. In this study, the objectives were to perform a simple literature review about sweet corn and its benefits, as well as assess and validate different strategies to pre-select markers for genomic selection and to find the minimum density in a prediction of yield traits in sweet corn. Initially, the prediction was performed with a high-density chip and then, using a pre-selection strategy of clustering markers into haplotype blocks. Furthermore, a third strategy was tested, where markers were selected evenly across the genome. In general, all traits showed a significant reduction in accuracy as the number of markers decreased. However, the relationship between marker’s increment and accuracy did not remain constant and reached a plateau after a certain point. Applying marker pre-selection can be a good option for a cost-efficient implementation of genomic selection in sweet corn for yield traits, as they can be predicted with a significant accuracy using a panel of ~8k quality markers that are evenly across the genome. Furthermore, using one marker per haplotype block appears to be a better cost-effective strategy for carrying out genomic selection in sweet corn, for yield traits.
Descrição
Palavras-chave
Seleção genética, Milho açúcar, Marcadores genéticos, Sweet corn
Idioma
Inglês
Como citar
MARQUEZ, G. R. Genomic Prediction in Sweet Corn (Zea mays saccharata). 2023. 48 f. Tese (Doutorado em Agronomia (Genética e Melhoramento de Plantas) - Faculdade
de Ciências Agrárias e Veterinárias, Universidade Estadual Paulista “Júlio de Mesquita Filho", Jaboticabal, 2023.
