Strategies for prediction crosses of soybean based on genomic information

Utilizar das melhores estratégias para a seleção dos melhores cruzamentos é fundamental para o sucesso no desenvolvimento de cultivares de soja. Atualmente, estratégias como o uso da média dos genitores e a distância genética vem sendo empregadas como ferramenta nas escolhas das combinações. Com o avanço da computação e da genômica, outras metodologias vêm sendo desenvolvidas para auxiliar o melhorista. Porém, de acordo com alguns estudos, a predição da variância genética é mais difícil e de baixas correlações com a distância genética, o que causa um viés na seleção dos genitores a englobar os blocos de cruzamentos. Assim, para esta presente tese, foram desenvolvidos dois capítulos. O primeiro utilizando de simulação computacional, teve como objetivo, validar as relações entre as estimativas de média e variância e distância genética, resultantes da metodologia de seleção de cruzamentos biparentais por meio da predição genômica via progênies simuladas e a metodologia de particionamento das distancias com base nos efeitos dos marcadores genéticos. Foram simulados 300 genitores e 886 marcadores codominantes. A seleção genômica foi aplicada tendo como população de treinamento as informações fenotípicas e genotípica dos parentais, e os efeitos dos marcadores foram divididos em quatro grupos de acordo com as suas magnitudes. Os resultados demonstraram que o uso da distância total não foi totalmente informativo para encontrar populações com alta variabilidade genética. A captação da divergência nas regiões de maiores efeitos, mediante o particionamento dos marcadores, proporcionou um melhor entendimento da variância predita. Para o segundo capítulo, foram utilizados dados reais, e proposto uma nova metodologia de seleção de cruzamentos com base na predição genômica e índice de seleção de postos aplicados na soma dos efeitos dos marcadores particionados. Para isto, foram utilizadas 102 linhagens da macrorregião 3 do Brasil para constituir a população de treinamento. Do total de 5151 combinações possíveis, 10 foram realizadas para a validação do modelo proposto. Os resultados indicaram uma melhor acurácia preditiva da seleção de cruzamentos com base no índice de seleção, pois caracterizou melhor a complementariedade dos genes entre os parentais. Palavras-chave: Predição de cruzamentos. Predição de progênies. Simulação. Seleção genômica. Valor genético genômico. Glycine max.Using the best strategies for the selection of the best crosses is essential for the success in the development of soybean cultivars. Currently, strategies such as the use of the average of the parents and the genetic distance have been used as a tool in the choice of combinations. With the advancement of computing and genomics, other methodologies have been developed to help the breeder. However, according to some studies, the prediction of genetic variance is more difficult and of low correlations with genetic distance, which causes a bias in the selection of parents to encompass the blocks of crosses. Thus, for this present thesis, two chapters were developed. The first one, using computer simulation, aimed to validate the relationships between the estimates of mean and variance and genetic distance, resulting from the methodology of selection of biparental crosses through genomic prediction via simulated progenies and the methodology of partitioning the distances based on the effects of genetic markers. 300 parents and 886 codominant markers were simulated. The genomic selection was applied having the phenotypic and genotypic information of the parents as the training population, and the effects of the markers were divided into four groups according to their magnitude. The results showed that the use of total distance was not fully informative to find populations with high genetic variability. The capture of the divergence in the regions of greatest effects, through the partitioning of the markers, provided a better understanding of the predicted variance. For the second chapter, real data were used, and a new methodology for cross selection based on genomic prediction and rank selection index applied to the sum of the effects of partitioned markers was proposed. For this, 102 strains from macroregion 3 of Brazil were used to constitute the training population. Of the total of 5151 possible combinations, 10 were performed to validate the proposed model. The results indicated a better predictive accuracy of the selection of crosses based on the selection index, as it better characterized the complementarity of genes between the parents.Keywords: Cross prediction. Progeny prediction. Simulation. Genomic selection. Genomic genetic value. Glycine max.Fundação de Amparo à Pesquisa do Estado de Minas Gerai