Una aproximación por meta-análisis de la eficiencia de la selección genómica en maíz y trigo

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

Mendoza

Congreso; XXIV Reunión Científica del Grupo Argentino de Biometría; 2019

Los modelos de selección genómica (SG) son usados para predecir el mérito de un genotipo respecto a un carácter cuantitativo en una población de genotipos a seleccionar. La predicción se realiza a través de un modelo de regresión basado en información sobre marcadores moleculares (MM) expresada en múltiples regresoras asociadas a los estados de los marcadores moleculares. El modelo es estimado en una población de calibración en la cual existe, para cada genotipo, datos fenotípicos y moleculares o genómicos. La abundancia y la correlación de la información de los MM genera desafíos en la estimación del modelo. La correlación entre el fenotipo observado y el valor predicho por el modelo, provee una medida de la eficiencia (habilidad predictiva) de la SG. El objetivo de este trabajo es realizar un meta-análisis de la eficiencia de la SG en cereales y su dependencia con la estrategia estadística usada para obtener el modelo de SG. Se realizó una revisión sistemática de literatura sobre SG en maíz y trigo y un meta-análisis para obtener medidas globales de la eficiencia de los métodos más frecuentemente usados. Se exploraron 36 estudios primarios que proveyeron 122 observaciones para estimación global de la habilidad predictiva. Los métodos más usados son basados en la predicción del valor de cría mediante BLUP (best linear unbiased predictor) en el marco de un modelo lineal mixto. Los dos más frecuentemente aplicados fueron RR-BLUP (regresión de Ridge para predecir valor de cría) y GBLUP (valor de cría genómico estimado a partir de la matriz de relaciones de parentesco calculada desde los MM), en ese orden. El meta-análisis realizado con un modelo de efectos aleatorios, por la alta heterogeneidad entre los estudios primarios, indicó que la habilidad predictiva se representa por un coeficiente de correlación promedio de 0.61. También se realizó un meta-análisis por subgrupos definiendo los subgrupos en relación al tamaño de la población de mapeo y a la cantidad de MM usados. Los estudios con más MM (mayor a 16.669) fueron más eficientes. No se observaron diferencias significativas de la eficiencia de la SG realizada con RR-BLUP respecto a la basada en GBLUP.