SELECCIÓN GENÓMICA PARA CARACTERÍSTICAS DE INTERÉS EN EL MEJORAMIENTO GENÉTICO DE LA CAÑA DE AZÚCAR

RACEDO, JOSEFINA; ROSSI, EZEQUIEL A.; AYBAR GUCHEA, MATIAS; PEÑA MALAVERA, ANDREA; BRUNO, CECILIA; PERERA, MARÍA FRANCISCA; NOGUERA, A.S.; BONAMICO NATALIA C.; BALZARINI, MÓNICA; OSTENGO, SANTIAGO

Corrientes

Congreso; L Congreso Argentino de Genética; 2022

Universidad Nacional del Nordeste

El mejoramiento genético de la caña de azúcar(Saccharum L. spp.) es complejo y lento. La obtenciónde una nueva variedad requiere entre 10 y 15 años detrabajo intensivo. Esto se debe a la complejidad genéticadel cultivo y a la fuerte influencia ambiental sobre loscaracteres de interés, en su mayoría cuantitativos. Unaherramienta útil para aumentar la tasa de gananciagenética consiste en integrar información fenotípicay genómica en procedimientos de Selección Genómica(SG), y predecir el valor de mejora estimado desde datosgenómicos para cada genotipo (Genomic EstimatedBreeding Value, GEBV). Se evaluaron distintos modelosde SG entrenados sobre una población de 182 clonesdel banco de germoplasma de la Estación ExperimentalAgroindustrial Obispo Colombres. Los individuos fueronfenotipificadas para número de tallos, polarización (pol%), contenido de fibra y azúcar recuperable, durante tresedades de corte, en una localidad del área de influenciadel programa. La información molecular se obtuvo porsecuenciación de alto caudal DArTseq. Se ajustaronmodelos de SG con los métodos Ridge Regression,Bayes A, Bayes B y Bayes C. La eficiencia se evaluó paracada carácter mediante la correlación entre los valoresGEBVs estimados por cada modelo y los BLUPs delefecto genotípico. Las correlaciones fueron obtenidasmediante validación cruzada. Si bien se observarondiferencias entre las capacidades predictivas de distintosmodelos, la eficiencia de la SG dependió mayormentede la característica en estudio, siendo más alta (r=0,40)para el modelo de SG estimado por el método Bayes Bpara el carácter pol(%). La disponibilidad de un modelode SG con alta capacidad predictiva permitirá predecir elmérito genético de nuevos materiales y llevar a cabo laselección de individuos en base a datos genotípicos.