ACTUALIZACIÓN DE LA SELECCIÓN GENÓMICA EN POBLACIONES DE MEJORAMIENTO DE EUCALYPTUS LOCALES

GARCIA, MN; ORNELLA, L; CAPPA, EP; VILLALBA, PV; ACUÑA, CV; MARTINEZ, MC; SURENCISKI, M; OBERSCHELP, J; HARRAND, L.; LOPEZ, J; MARCÓ, M; HOPP, HE; MARCUCCI POLTRI, SN

Bariloche.

Congreso; XLIII Congreso Argentino de Genética IV Reunión Regional SAG; 2014

En especies forestales hay pocos reportes en selección genómica (SG) y en su mayoría están basados en simulaciones. Desde mediados de 2012, el INTA viene desarrollando estudios de concepto en ensayos de Eucalyptus grandis y E. globulus.Se evaluó el desempeño de seis metodologías de SG: 4 basadas en métodos de regresión (reproducing kernel Hilbert space; Ridge Regression (RR); Bayesian LASSO (BL) y Random Forest Regression) y 2 basadas en métodos de clasificación (Random Forest Classification; Support Vector Classification con kernel lineal), sobre un cruzamiento F1 de E.grandis, evaluados para altura (TH), diámetro (DBH) y densidad de madera (DB).En una población de E. globulus con ensayos instalados en Uruguay se evaluó la incidencia de las relaciones de parentesco en la precisión de la predicción de tres caracteres (DBH, DB y lignina Klason). Por otro lado, se evaluó la factibilidad de predecir DBH y DB a través de ambientes mediante modelos generados con dos poblaciones de E. globulus con ensayos instalados en Argentina y Uruguay.Se encontraron diferencias significativas entre las metodologías evaluadas para todos los caracteres y conjuntos de marcadores. El mejor desempeño se obtuvo mediante BL y RR. En general, a mayor cantidad de marcadores, así como a mayor heredabilidad del carácter mayor es la precisión en la predicción. La presencia de medio hermanos entre poblaciones de entrenamiento y validación mejoró la precisión. El desempeño de los modelos desarrollados para la población de E. globulus de Argentina no fue extrapolable a la población de Uruguay y viceversa.