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

Fungicides are sprayed over almost 100% of the Uruguayan rice crop area, mostly due to susceptibility of local cultivars to stem and sheath diseases caused by Nakataea oryzae (NO) and Rhizoctonia oryzae sativae (ROS). To breed new resistant cultivars, more efficient selection methods are required. Five greenhouse methods for greenhouse evaluation of resistance to NO and ROS were compared. A population of 641 indica and tropical japonica type advanced breeding lines were phenotyped for resistance to NO and ROS in greenhouse and in field trials. A genome-wide association study (GWAS) was performed to analyze the association between single nucleotide polymorphisms (SNPs) and the field and greenhouse phenotypic means, adjusted by plant height and flowering time. GWAS analysis detected 29 QTL for resistance to the studied diseases, independent of plant height and flowering time, explaining up to 43% and 21% of the phenotypic variance observed in field and greenhouse trials, respectively. A region on chromosome 9 explained more than 15% of the phenotypic variance of studied diseases. The identified QTL are useful for assisted selection of resistance to NO and ROS in INIA’s rice breeding program, without effects in plant height and flowering time, and with an efficiency comparable to that of the currently used field trials. En Uruguay se aplican fungicidas en casi el 100% del área arrocera, debido principalmente a la susceptibilidad de los cultivares locales a las enfermedades del tallo causadas por Nakataea oryzae (NO) y Rhizoctonia oryzae sativae (ROS). Para obtener nuevos cultivares resistentes se requieren metodologías de selección más eficientes. Se compararon cinco métodos para evaluación de la resistencia a NO y ROS en invernáculo, identificándose el más adecuado. Una población de 641 líneas avanzadas de tipo indica y japonica tropical fue fenotipada para resistencia a NO y ROS en invernáculo y en ensayos de campo. Se realizó un estudio de asociación (GWAS) entre polimorfismos de un nucleótido (single nucleotide polymorphisms, SNPs) genómicos y las medias fenotípicas de resistencia corregidas por altura de planta y tiempo de floración. El análisis de GWAS detectó 29 QTL asociados con resistencia a las enfermedades estudiadas, independientes de altura de planta y largo de ciclo. Los QTL encontrados explicaron hasta el 43% y 21% de la varianza fenotípica en ensayos de campo e invernáculo, respectivamente. Se identificó una región en el cromosoma 9 que explicó más del 15% de la varianza fenotípica de las enfermedades estudiadas. Los SNPs identificados pueden ser utilizados para selección asistida de la resistencia a NO y ROS en el programa de mejoramiento genético de arroz de INIA, sin afectar la altura de planta y largo del ciclo, y con una eficiencia comparable a la de los actuales ensayos de campo.

El arroz es uno de los cultivos más importantes en el mundo y en la producción nacional. El Programa de Mejoramiento Genético de Arroz de INIA (PMGA) tiene entre sus objetivos generar cultivares con alto rendimiento y estabilidad frente a condiciones climáticas. La interacción genotipo por ambiente (IGA) determina que el PMGA evalúe sus materiales durante varios años, en distintas localidades y fechas de siembra. Un estudio exhaustivo de la IGA, así como modelos que permitan hacer predicciones en ambientes no evaluados, posibilitarían desarrollar estrategias que minimicen el número de ensayos y el tiempo necesario para obtener nuevos materiales. El objetivo de este trabajo fue caracterizar la IGA en el PMGA y evaluar modelos de regresión aleatoria (MRA) que incorporen variables climáticas (VC) para la predicción del rendimiento. Se utilizó información fenotípica de 23 años de evaluación en el campo de dos poblaciones de mejoramiento (indica y japonica), 16 VC, pedigrí y marcadores moleculares. La IGA se caracterizó mediante la descomposición de varianza, identificación de megaambientes (ME) y correlaciones entre localidades, fechas de siembra y ME. Se preseleccionaron VC asociadas al rendimiento y a la IGA por mínimos cuadrados parciales y con un procedimiento de selección de variables por pasos, se obtuvieron los MRA con la mejor habilidad predictiva en ambientes evaluados. Estos fueron probados para predecir rendimiento en ambientes no evaluados. La IGA del rendimiento representó más del 10 % de la varianza en ambas poblaciones. Se identificaron cinco ME en indica y tres en japonica. Las fechas de siembra tempranas en indica mostraron importante IGA. Se identificaron VC relacionadas con temperatura, radiación, viento y precipitación afectando el rendimiento y la IGA y variaron para cada población. Los MRA seleccionados mejoraron la habilidad predictiva frente a ambientes evaluados y no evaluados.