Selección genómica en vegetales: un meta-análisis

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

Neuquén

Congreso; XXIII Reunión Científica del Grupo Argentino de Biometría; 2018

Los modelos de selección genómica (GS, Genomic Selection) permiten predecir el valor genético de individuos (plantas y animales) a seleccionar para caracteres complejos a partir de un modelo lineal con abundantes regresoras que aportan información de sus genomas (marcadores moleculares). La correlación entre el valor observado del carácter y el valor predicho por el modelo GS es una medida usual de la capacidad predictiva de estos modelos. En este trabajo realizamos una revisión sistemática de literatura (RS) científica publicada sobre GS y un metaanálisis para obtener medidas globales de la eficiencia de los modelos GS en vegetales e identificar las principales metodologías de estimación.  Se exploraron bases de datos de trabajos científicos (Scopus, Science Direct, ESCOhost, Pubmed, JSTOR, SpringerLink, Cambridge University Press The journal of agricultural science y Red de Revistas Científicas de América Latina y el Caribe, España y Portugal). Los estudios primarios que se obtuvieron de la RS fueron 30 y sobre estos se realizó el meta-análisis. Los resultados de la búsqueda fueron examinados respecto a la medida de capacidad predictiva. Los procedimientos de estimación más usados son RR-BLUP, GBLUP, RKHS y SVR. Un meta-análisis realizado a partir del ajuste de 30 modelos de GS indica que la capacidad predictiva de los modelos en sus aplicaciones en la mejora vegetal se asocia a un coeficiente de correlación cercano a 0.5 con pocas diferencias en capacidad predictiva entre estudios diversos respecto a especies utilizada, cantidad de individuos en el análisis, cantidad de marcadores moleculares usados y métodos de estimación del modelo GS.