COMPARACIÓN MODELO AMMI CLÁSICO Y ALTERNATIVAS ROBUSTAS PARA LA SELECCIÓN DE GENOTIPOS DE DURAZNERO

BORTOLOTTO, E; DAORDEN, ME; CERVIGNI, DGL; ANGELINI, J; ARROYOS, L; QUAGLINO M; FAVIERE, G; VALENTINI, G

Rosario

Jornada; XII Jornada de Ciencia y Tecnología 2018; 2018

SCyT-UNR

La interacción genotipo x ambiente (IGA) es un fenómeno universal en mejoramiento vegetal. En duraznero (Prunus persica), la IGA es del tipo compleja y representa un gran desafío en la selección de genotipos. En estos años, las técnicas multivariadas como AMMI (Additive Main effects and Multiplicative Interactions) se han tornado muy importantes en el análisis de datos. AMMI combina el análisis de la variancia (ANOVA) de efectos genotipo y ambiente, seguido de un análisis de componentes principales (ACP) de los residuos resultantes. Sin embargo, la descomposición de valores singulares (SVD) a través del método de mínimos cuadrados es altamente sensible a la contaminación por valores atípicos. Los resultados obtenidos en estas condiciones pueden llevar a malas decisiones prácticas. La presencia de valores atípicos altera la distribución normal de los datos, supuesto requerido para la aplicación del AMMI. Los métodos robustos pueden ayudar a eliminar o suavizar esta desventaja del AMMI clásico. En este trabajo el ANOVA del AMMI fue reemplazado por una regresión robusta, y el residuo de la misma descompuesto con cinco diferentes métodos de obtención de SVD. Así se generaron los modelos robustos de AMMI: R-AMMI, H-AMMI, G-AMMI, L-AMMI, PP-AMMI. Estos modelos fueron aplicados a datos de rendimiento (kg/planta) de 29 genotipos de duraznero cosechados en INTA San Pedro durante seis campañas. La comparación entre ellos se realizó estimando el GSI (Genotype Selection Index) para cada modelo AMMI y su posterior correlación con los parámetros de selección Rendimiento (R), Pi e Ii. Nuestra hipótesis es que la correlación de Spearman (r) entre los GSIs y los demás parámetros debería mejorar debido a una estimación menos sesgada del ASV (AMMI stability value) integrado al cálculo de GSI.El gráfico de distancias-distancias permitió clasificar los valores de 11 genotipos como atípicos, lo que significa una gran proporción del volumen de datos disponibles y propios del rendimiento de duraznero. Todas las correlaciones estimadas fueron positivas y significativas (p≤ 0,05), variando de 0,41 a 1,0. La correlación de R con Pi fue la mayor, 0,98, y debería ser el parámetro de selección preferido. Sin embargo, el valor de r entre R y GSIH-AMMI, GSIL-AMMI y GSIPP-AMMI fueron de 0,75; 0,75 y 0,72, respectivamente, superiores al r = 0,5 obtenido entre R y GSIAMMI. Además, su uso sería aconsejable respecto del Ii, cuya correlación con R fue menor, r = 0,69. La mayor correlación entre R y los GSI obtenidos de los modelos H-, L- y PP-AMMI, sugiere un mejor modelado de los datos respecto del AMMI clásico. Por lo tanto, si bien los modelos H-, L- y PP-AMMI deben analizarse con mayor detalle, nuestros resultados muestran que representan una alternativa superadora al AMMI tradicional.