Predicting maize single-crosses genotypic values under unbalanced number of genotypes and environments

A fase mais difícil e que exige mais recursos em um programa de melhoramento de milho é a avaliação experimental dos híbridos, pois geralmente um elevado número de híbridos necessita ser avaliado em diversos ambientes. Deste modo, tanto o número de híbridos como o de ambientes são limitados pelos recursos disponíveis, o que poderia levar a uma redução do número de ambientes, e, portanto, conjuntos de híbridos comumente são avaliados em diferentes ambientes levando a comparações desbalanceadas entre os híbridos. A metodologia estatística conhecida como REM/BLUP tem sido amplamente utilizada no melhoramento animal, mas nos programas de melhoramento vegetal a sua utilização tem sido restrita a culturas perenes, onde experimentos desbalanceados são comuns. Há pouca informação na literatura sobre a confiabilidade do método REML/BLUP utilizando dados experimentais para a predição de valores genotípicos sob experimentos desbalanceados para programas de melhoramento de culturas anuais. Assim, o objetivo desta pesquisa foi avaliar se o método REML/BLUP poderia ser útil para predizer os valores genotípicos de híbridos simples de milho sob situações de desbalanceamento. Um conjunto de 256 híbridos simples foi avaliado em delineamento látice 16 x 16 com duas repetições por ambiente em 13 ambientes e as características analisadas foram produção de grãos, altura da planta e acamamento de plantas. Uma vez que a avaliação constou de 26 observações para cada híbrido simples, suas médias gerais ajustadas computadas pelo método dos quadrados mínimos foram consideradas como seus valores genotípicos, para fins de comparações com as predições dos valores genotípicos pelo método REML/BLUP. As predições dos híbridos simples foram computadas pelo método REML/BLUP considerando conjuntos desbalanceados de híbridos dentro de ambientes e perdas completas dos dados de ambientes. Os dados foram submetidos a um desbalanceamento aleatório e cada situação foi simulada 1.000 vezes utilizando o método bootstrap. Foram computados coeficientes de correlação entre os valores genotípicos preditos e as médias gerais ajustadas, e seus valores foram elevados ao quadrado para obter os valores de R2; assim 1.000 valores de R2 foram obtidos para cada situação considerada. Além disso, foi praticada seleção utilizando os valores genotípicos preditos e as médias gerais ajustadas dos híbridos simples e as percentagens de coincidência foram computadas. Independentemente do caráter analisado, os valores de R2 e o percentual de coincidência dos híbridos simples selecionados mostrou que o REML/BLUP prediz com alta acurácia os valores genotípicos dos híbridos simples com até 20% das perdas de híbridos dentro de ambientes ou com redução de até 23% dos ambientes. Nota-se que o caráter produção de grãos apresentou interação genótipos x ambientes significativa e complexa, e mesmo assim o método REML/BLUP fez a predição dos valores genotípicos com alta acurácia. Deste modo, o método REML/BLUP poderia ser considerado como uma valiosa ferramenta no melhoramento genético de milho para predizer os valores genotípicos dos híbridos sob dados desbalanceados. Entretanto, os resultados também apontaram que há um limite para a sua acurácia, o qual corresponde a cerca de 20% dos dados desbalanceados.The more difficult phase and that demands more funding in a maize breeding program is the experimental evaluation of the hybrids, because usually a high number of hybrids needs to be evaluated in several environments. Then, both the number of environments and hybrids are limited by the resources available, which could lead to a reduction in the number of environments, and therefore, sets of hybrids are commonly tested in different environments leading to unbalanced comparisons among the hybrids. The statistical methodology known as REM/BLUP has been widely used in animal breeding, but in plant breeding programs its use has been restricted to perennial crops where unbalanced experiments are very common. There is limited information about the reliability of the REM/BLUP method using experimental data for the genotypic values prediction under unbalanced experiments for annual crops breeding programs. Thus, the objective of this research was to assess whether the REM/BLUP method could be useful to predict the genotypic values of maize single-crosses under unbalanced situations. A set of 256 single-crosses was evaluated in a 16 x 16 lattice design with two replications per environment in 13 environments, and the traits analyzed were grain yield, plant lodging and plant height. As the evaluation consisted of 26 observations for each single-cross, their adjusted overall means computed by the least squares method were considered as their genotypic values for the sake of comparisons with the genotypic predictions by REM/BLUP method. The predictions of the single-crosses were computed considering unbalanced sets of hybrids within environments and unbalanced sets of environments. The data were submitted to a random unbalance and each situation was simulated 1,000 times using the bootstrap method. Coefficients of correlation were then computed between the predicted genotypic values and the adjusted overall means, and their values were squared to obtain the R2 values; thus 1,000 R2 values were obtained for each considered situation. Also, selection were performed using the predict values and the adjusted overall means of the single-crosses, and the percentage of coincidence were computed. Regardless of the trait analyzed, the R2 values and the percentage of coincidence of the selected single-crosses showed that the REM/BLUP predict with high accuracy the genotypic values of the single-crosses up to 20% of losses of hybrids within environments and up to 23% of environments reduction. It should be noted that grain yield showed a significant cross-over interaction, and even so the REM/BLUP predicted the genotypic values of the hybrids with high accuracy. Thus, the REM/BLUP method can be considered as a valuable tool in maize breeding programs to predict the genotypic values of the hybrids under unbalanced data. However, the results also pointed out that there is a limit for its accuracy, which is around 20% of unbalanced data