Comparison of estimation methods for variance components and genetic parameters considering the Design III applied to quantitative characters in maize

Esse trabalho teve como objetivo comparar métodos de estimação de componentes de variância e parâmetros genéticos, considerando tanto o delineamento estatístico fatorial instalado em látice quadrado como o delineamento genético III. Como referência, foram utilizados três conjuntos de dados reais, em melhoramento genético de milho, relativos aos caracteres de produção de grãos (gramas por parcela), altura da folha bandeira ao chão (centímetros) e o número de folhas entre a primeira espiga e o pendão; sendo que a altura da folha bandeira e o número de folhas foram obtidos pela média entre cinco plantas competitivas para cada parcela. O método da Análise da Variância (ANOVA), conforme indicado pelo Delineameno III, foi utilizado na análise dos dados e estimação dos componentes de variância relativos ao modelo matemático, variâncias genéticas, coeficiente de herdabilidade e grau médio de dominância para cada um dos três caracteres estudados. Essas estimativas foram utilizadas na simulação de 1000 conjuntos de dados com características semelhantes a cada um dos conjuntos de dado reais considerados. Os métodos da ANOVA e da máxima verossimilhança restrita (REML) foram utilizados na predição dos parâmetros já mencionados para cada um dos conjuntos de dados simulados dentro de cada caráter. As 1000 estimativas obtidas por cada método, para cada caráter estudado, foram utilizadas no cálculo de estatísticas descritivas (média, desvio-padrão e acurácia relativa) e na montagem de gráficos de Box-plot. Utilizando as informações obtidas a partir das estimativas fornecidas por cada método e em posse dos valores reais que essas estimativas deveriam prever (valor utilizado na simulação dos dados) foi possível comparar ambos os métodos quanto à eficiência das estimativas por eles fornecidas. Ambos os métodos apresentaram características semelhantes na predição da maioria dos componentes de variância relativos ao modelo matemático, sendo que as maiores disparidades se deram para os componentes relativos aos efeitos de progênie (?p2) e as interações entre progênie e linhagem (?pt2) e entre progênie, linhagem e ambiente (?pta2); os quais são os componentes de maior peso no cálculo das variâncias e parâmetros genéticos. O método da ANOVA foi o bastante eficiente na predição de ?p2, sendo que o método da REML se aproxima dos resultados obtidos pelo método da ANOVA conforme diminuem os valores de referência para esse componente; para ?pt2 o método da REML se mostrou mais eficiente conforme maior é o valor de referência, porém, perde eficiência e se aproxima do método da ANOVA conforme o valor de referência do componente diminui. Ambos os métodos se mostraram ineficientes na predição de ?pta2, porém o método da REML foi o menos eficiente. O melhor desempenho do método da ANOVA na predição dos componentes de variância de maior peso no cálculo das variâncias genéticas levou a um melhor desempenho desse método na predição de todos os parâmetros genéticos, com exceção da variância de dominância, a qual depende unicamente de ?pt2. Porém, foi observada uma tendência no método da ANOVA, em média, na superestimação do grau médio de dominância em cerca de 45% do seu valor de referência, independentemente do caráter estudado.This work aimed to compare estimation methods for variance components and genetic parameters, considering the factorial statistical design set in randomized blocks and the genetic Design III. As reference, three sets of real data were used, on maize genetic improvement, related to the characters: grain yield (grams by plot), plant height, measured from the ground to the °ag leaf in centimeters, and the number of leaves above the uppermost ear. The analysis of variance method (ANOVA), accordingly to the proposed by the Design III, was used on the analysis of the data and estimation of the variance components derived from the mathematical model, genetic variances, heritability and average degree of dominance for each of the studied characters. This estimatives were used on the simulation of 1000 data sets with similar characteristics to the real data analyzed. The ANOVA and restricted maximum likelihood (REML) methods were used on the prediction of the already mentioned parameters for each of the simulated data sets within each character. The 1000 estimatives obtained by each method, for each studied character, were used on the calculation of descriptive statistics (mean, standard deviation and relative accuracy) and for the ¯tting of box-plot graphics. Through the information obtained from the estimatives given by each method and in possession of the actual values that they should predict (values used in the simulation of the data sets) it was possible to compare both methods as to the e±ciency of the estimatives given by them. Both methods presented similar characteristics on the prediction of most of the variance components derived from the mathematical model, being that most di®erences were pertinent to the components related to the e®ects of progeny (¾2 p) and to the interactions between progeny and parental inbred (¾2 pt) and between progeny, parental inbred and environment (¾2 pta); which are the components of greater importance on the calculation of the genetic parameters. The ANOVA method was very e±cient on the prediction of ¾2 p, being that the smaller the reference value for this component, more the REML method approached the results obtained by the ANOVA method; for larger values of ¾2 pt the most e±cient was the REML method, but its e±ciency decayed and approached the ANOVA method for smaller reference values for this component. Both methods were poorly e±cient on the prediction of ¾2 pta, but the REML method was the least e±cient. The better performance of the ANOVA method on the prediction of the variance components of greater importance on the calculation of the genetic variances lead to a better performance of the ANOVA method on the prediction of all genetic parameters, with exception to the dominance variance, which depended solely on ¾2 pt. However, it was observed a tendency on the ANOVA method, in average, on the overestimation of the average degree of dominance of around 45% of the actual reference value, independently of the studied character