Search

El Programa de Mejoramiento Genético de Arroz de INIA (PMGA) busca obtener mejores cultivares de arroz para el sector productivo. Para ello genera líneas experimentales y las selecciona en base al comportamiento evaluado en ensayos de campo y laboratorio. La precisión de esta selección depende de la calidad de los ensayos, el número de repeticiones, localidades y años de evaluación, y la magnitud de efectos y variabilidad debida a factores ambientales (año, localidad), y de interacción genotipo por ambiente (respuesta diferencial de las líneas a los ambientes). Cuantificar estas fuentes permitiría encontrar la distribución de recursos que maximice la ganancia genética con menores costos y tiempo. Para ello se requiere el análisis conjunto de ensayos a través de múltiples años y ambientes. Sin embargo, actualmente los ensayos del PMGA son analizados por separado debido a que los datos están fragmentados en una multiplicidad de soportes y formatos que impiden su análisis conjunto. Esta sub-utilización de la información disminuye la precisión de las estimaciones y por ende la ganancia genética y la eficiencia del PMGA. Este proyecto buscó mejorar la eficiencia del PMGA mediante la consolidación de todos los datos generados por el PMGA y el posterior análisis conjunto de toda la información para la selección de líneas experimentales, mejorando la ganancia genética y la estimación de los parámetros genéticos del PMGA. Se encontró una mejora de más del 20% en la precisión de las estimaciones del valor genético de las líneas en evaluación temprana cuando se analiza en forma conjunta la información de múltiples años y ensayos. Se estimó la ganancia del PMGA para rendimiento y resistencia a las principales enfermedades del cultivo, encontrándose una tendencia genética significativa y favorable en las mejores líneas evaluadas por el programa. Agencia Nacional de Investigación e Innovación

Tribunal: Speranza, Pablo; Germán, Silvia; Peñagaricano, Francisco La inclusión de selección genómica (SG) en un programa de mejoramiento permite acortar los tiempos, incrementando la ganancia genética por unidad de tiempo. SG puede ser usado en la predicción de los mejores cruzamientos evaluando la complementariedad alélica entre los padres y/o prediciendo el desempeño de individuos. Los modelos mixtos utilizados en SG son una herramienta poderosa que permite incluir correlaciones entre individuos, ambientes y caracteres permitiendo utilizar toda la información disponible. El objetivo de este trabajo es optimizar herramientas para la inclusión de SG en el programa de mejoramiento genético de trigo (PMGT), para el manejo de la interacción genotipo por ambiente (IGA), la predicción de múltiples caracteres y la selección de los mejores cruzamientos. En este trabajo se utilizaron datos históricos del PMGT de Uruguay, proveniente de 35 ambientes, 1495 líneas experimentales evaluadas para rendimiento y 695 líneas evaluadas para caracteres de calidad panadera de trigo. Se compararon modelos multi-carácter y multi-ambiente modelando correlaciones en la predicción de nuevos individuos e individuos parcialmente fenotipados. También se predijeron los mejores cruzamientos considerando y no considerando la varianza genética entre ambos padres. Los resultados muestran que los modelos multi-ambiente y el multi-carácter son útiles para la optimización de recursos de un programa de mejoramiento, prediciendo líneas parcialmente fenotipadas. Finalmente, seleccionar cruzamientos considerando la media del desempeño de los padres fue tan bueno como considerar además la varianza genética entre ambos padres para rendimiento de grano; no fue así en los cruzamientos seleccionados para calidad panadera dónde hubo diferencias entre ambos métodos.