Estimación de la interacción genotipo-ambiente en selección genómica

RUEDA CALDERÓN, A.; BRUNO, C.; BALZARINI, M.

Jornada; VII Jornadas Integradas de Investigación, Extensión y Enseñanza de la Facultad de Ciencias Agropecuarias; 2017

En los ensayos multiambientales (Multienvironment trials, MET) donde se evalúan genotipos (G) en diferentes ambientes (A) es posible identificar fuentes de variación atribuibles a efectos de la interacción genotipo-ambiente (G×A). La información proveniente de marcadores moleculares (MM) ha permitido estudiar la asociación genotipo-fenotipo y avanzar hacia la selección genómica (SG). Sin embargo, aún existen desafíos metodológicos para incorporar el efecto de la interacción G×A en los modelos de asociación genómica. En este trabajo se comparan estrategias estadísticas para la evaluación de genotipos desde datos de MM, en presencia de interacción G×A. Los resultados de los modelos ajustados fueron comparados con un Modelo de Referencia, este modelo se ajustó con información del fenotipo. La componente de varianza G×A del modelo de referencia fue estadísticamente significativa. La varianza G, medida a través de los MM, fue alta. Los Modelos 1 y 3 y los Modelos 2 y 4 presentaron valores similares en cuanto a las componentes de varianzas estimadas y a los BLUPs de genotipos. Sin embargo, las componentes de varianza fueron estimadas con mayor precisión en el modelo multiambiental independientemente de la forma usada para contemplar la correlación genética. Las cuatro estrategias de modelación presentaron BLUPs que correlacionaron significativamente con los del Modelo de Referencia. Se ilustran los procedimientos a partir de una base de datos de trigo pública disponible en el paquete BGLR de R que contiene información molecular de 599 líneas de trigo y cuatro años ambientes diferentes. Bajo alta variabilidad genética y abundante información de MM, la predicción del mérito genético ambiente por ambiente (sin considerar G×A) puede proveer ordenación de genotipos sin diferencias significativas a la producida desde modelos multiambientales. No obstante, los aumentos de precisión en la estimación de los parámetros de varianza podrían implicar beneficios en otros escenarios.