Aplicaciones de Modelos Lineales Mixtos en ensayos multiambientales, análisis de interacción genotipo-ambiente y loci de caracteres cuantitativos.

MÓNICA BALZARINI

Tucumán

Conferencia; XIII Reunión Científica del Grupo Argentino de Biometría; 2008

Los ensayos multiambientales (MET) permiten medir el comportamiento relativo de genotipos ya sea para rendimiento u otros caracteres agronómicos. Se usan para predecir el desempeño de distintos materiales genéticos en una población de ambientes objetivos o en ambientes específicos. El fenotipo observado en cada ambiente debe ser entendido como un sistema complejo dependiente de la integración temporal de funciones tanto genotípicas como ambientales. Luego, los MET requieren análisis que permitan combinar distinto tipos de información. Cuando los MET se orientan a la recomendación de cultivares, las respuestas fenotípicas se pueden analizar con modelos lineales mixtos (MLM) que contienen los efectos de genotipo en su estructura de media, mientras que los efectos de ambiente e interacción genotipo-ambiente (GEI) se tratan como aleatorios. Las estructuras de (co)varianzas se usan para hacer ajustes de heterogeneidades de varianza entre ensayos individuales, correlaciones espaciales dentro de ensayos, correlaciones genotípicas y de los términos GEI. El ajuste se realiza en una etapa o en dos; en este último caso se modelan medias y cada ensayo individual es ponderado en función de la inversa de la varianza residual y el número de repeticiones. La descripción y estimación de los principales componentes de GEI es de principal interés. Entre los modelos más usados están aquellos que asumen que los efectos GEI pueden resumirse mediante estructuras de (co)varianzas del tipo factor analytic. Estos permiten determinar factores que explican correlaciones genéticas y variación a través de los sitios; la interacción se entiende como una falta de paralelismo de las respuestas fenotípicas para los distintos genotipos. Otra clase de modelos se focaliza en la estimación de componentes de varianza para los distintos genotipos, donde la GEI implica la existencia de varianzas heterogéneas. La flexibilidad de los MLM permite abordar la expresión fenotípica y la GEI desde múltiples perspectivas. La selección de un modelo, así como la decisión de qué efectos se tratan como fijos y cuáles como aleatorios, están fuertemente condicionadas por el objetivo que se persigue con el análisis. El uso de gráficos relacionados a varias formas de descomposición por valor singular y modelos multilineales se presenta como un complemento útil para la formalización del modelo. El uso de covariables genéticas y ambientales también, ha contribuido a mejorar la calidad de los modelos para expresión fenotípica y, consecuentemente, explorar GEI. La incorporación de información de marcadores genéticos (estadísticamente equivalente a la inclusión de covariables nominales sobre los niveles de factores genotípicos) permite relacionar el fenotipo a genes o regiones cromosómicas causantes de variación fenotípica en caracteres cuantitativos (QTL). Los QTL son identificados sólo a través de una concepción probabilística y por tanto su análisis depende del modelo estadístico usado y de los supuestos subyacentes. Esta presentación trata de la aplicación de modelos mixtos para el análisis de MET y la exploración de GEI, vía el uso de modelos FA y de componentes de varianza, así como su relación con gráficos tipo biplot. Se introduce el análisis de QTLs, vía modelos de regresión de intercepto aleatorio estimados por verosimilitud generalizada como medio para flexibilizar supuestos del análisis de QTL y se plantea la necesidad de métodos semiparámetricos para el tratamiento de información genética masiva.