Buscar

 

RI UFLA (Universidade Federal de Lavras) >
DBI - Departamento de Biologia >
DBI - Programa de Pós-graduação >
DBI - Genética e Melhoramento de Plantas - Mestrado (Dissertações) >

Por favor, utilize esse identificador para citar este item ou usar como link: http://repositorio.ufla.br/jspui/handle/1/11841

Título: Estratégias para seleção de progênies em soja
Título Alternativo: Strategies for progenies selection in soybean
Autor(es): Pereira, Francielly de Cássia
Lattes: http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4362125U0
Orientador: Nunes, José Airton Rodrigues
Coorientador: Bruzi, Adriano Teodoro
Membro da banca: Patto, Magno Antônio Ramalho
Membro da banca: Matos, José Wilacildo de
Assunto: Soja - Melhoramento genético
Soja - Seleção genética
Soja - Análise sequencial
Soybean - Breeding
Soybean - Genetic selection
Soybean - Sequential analysis
Data de Defesa: 25-Ago-2016
Data de publicação: 30-Set-2016
Agência de Fomento: Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)
Referência: PEREIRA, F. de C. Estratégias para seleção de progênies em soja. 2016. 111 p. Dissertação (Mestrado em Genética e Melhoramento de Plantas)-Universidade Federal de Lavras, Lavras, 2016.
Resumo: Em programas de melhoramento de soja, o mérito da população tem sido, por vezes, desconsiderado para fins de seleção das progênies ou linhagens. Além disso, tradicionalmente a seleção dos melhores genótipos é realizada utilizando apenas a geração de referência, isto é, não são incluídas as avaliações em gerações anteriores. Diante disso, objetivou-se neste trabalho verificar a influência do mérito da população nas estimativas dos componentes genéticos e fenotípicos e na identificação das melhores progênies ou linhagens de soja, bem como quantificar a melhoria na eficiência do processo seletivo de linhagens por meio da análise sequencial. Foram utilizados dados de produtividade de grãos (sacas/ha) e de maturação absoluta (dias) do programa de melhoramento de soja da empresa Dupont – Divisão Pioneer. Os experimentos foram conduzidos nos anos agrícolas de 2012/2013, 2013/2014 e 2015/2016 em 17 municípios dos estados do Mato Grosso do Sul, Paraná, Santa Catarina e Rio Grande do Sul. Os dados foram analisados usando a abordagem de modelos mistos. Foram estimados os parâmetros, ganho genético com a seleção, correlação, índice de coincidência, ganho realizado e a resposta correlacionada, considerando e ignorando o mérito da população sob sete intensidades de seleção (1%, 5%, 10%,15%, 20%, 25% e 30%). Para verificar a eficiência da análise sequencial considerou-se algumas estratégias: A) análise considerando apenas a geração de referência (VCU); B) análise sequencial considerando a combinação dos experimentos W-teste e VCU; C) análise sequencial considerando os experimentos X-teste, W-teste e VCU; D) análise sequencial considerando os experimentos Y-teste, X-teste,W-teste e VCU; E) análise sequencial considerando os experimentos Z-teste, Y-teste , X-teste, Wteste e VCU; F) análise sequencial considerando os experimentos X-teste e VCU; G) análise sequencial considerando os experimentos Z-teste, X-teste e VCU. Nas estratégias B, C, D e E utilizaram-se dados de todos os genótipos nos ensaios, enquanto que nas estratégias F e G, apenas dados dos trinta genótipos comuns aos experimentos Z-teste, X-teste e VCU foram incluídos. As comparações das estratégias foram realizadas considerando as seguintes situações: 1) seleção das dez melhores linhagens na estratégia A e verificação do ranqueamento destas nas estratégias B, C, D e E; 2) Coincidência na seleção das dez melhores linhagens em cada estratégia de análise sequencial (B, C, D e E); 3) Seleção das dez melhores linhagens comuns aos experimentos Z-teste, X-teste e VCU. Concluiuse que os componentes de variância, a herdabilidade e o coeficiente de variação experimental foram melhor estimados quando o mérito da população foi considerado, proporcionando consequentemente maior ganho com a seleção tanto para produtividade como para maturação absoluta. A coincidência e o ranqueamento entre as progênies selecionadas, considerando e ignorando o mérito da população, foram de maior magnitude em gerações de endogamia mais avançadas e sob intensidades de seleção mais elevadas. Houve alteração na classificação e na coincidência das linhagens selecionadas quando se considera a análise sequencial envolvendo as gerações prévias relativo à geração de referência, demonstrando sua influência na recomendação de novas cultivares. Esta alteração é mais evidente em condições de grande desbalanceamento.
Abstract: In soybean breeding programs usually the merit of the population is not considered in the selection of progenies or lines. Traditionally the selection of the best genotypes is performed using only the reference generation, i.e., it is not included the evaluations of the previous generations. Thus, the aim of this study was to verify the influence of population merit in the estimation of phenotypic and genetic components and identification of the best soybean lines, and to quantify the efficiency of the sequential analysis in the selective process of soybean lines. Grain yield (bags/ha) and absolute maturity (days) data from soybean breeding program of the Dupont company - Pioneer Division were used. The experiments were carried out in the crop seasons 2012/2013, 2013/2014 e 2015/2016 in 17 cities in the Mato Grosso do Sul, Paraná, Santa Catarina e Rio Grande do Sul states. We estimated the parameters genetic gain with selection, correlation, coincidence index, realized gain and correlated response, considering and ignoring the population merit, under seven selection intensities (1%, 5%, 10%,15%, 20%, 25% e 30%). To evaluate the efficiency of sequential analysis we considered the following strategies: A) analysis considering only the reference generation (VCU trial); B) sequential analysis considering the combination of Wtest and VCU experiments; C) sequential analysis considering the X-test, W-test and VCU experiments; D) sequential analysis considering the Y-test, X-test, Wtest and VCU experiments; E) sequential analysis considering the Z-test, Y-test, X-test, W-test and VCU experiments; F) sequential analysis considering the Xtest and VCU experiments; G) Sequential analysis considering the Z-test, X-test and VCU experiments. In the strategies B, C, D and E were used all data of the experiments, while for strategies F and G only data of thirty common genotypes from the Z-test, X-test and X-VCU experiments were used. Furthermore we consider the following situations to assess the efficiency of the sequential analysis: 1) selection of the top-ten lines in strategy A and check the ranking of the same lines considering the strategies B, C, D and E; 2) Coincidence selection of the top-ten lines in each sequential analysis strategy (B, C, D and E); 3) Selection of the top-ten common lines form experiments Z-test, X-test and VCU. The parameters variance components, heritability and experimental variation coefficient were better estimated when the population merit was considered, providing consequently greater gain with selection for both traits (grain yield and absolute maturity). The coincidence and ranking among the selected progenies considering and ignoring the population merit were of greater in more advanced generations of inbreeding and higher intensity selection. There was change in the ranking of lines when considering the sequential analysis involving the previous generations relative to reference generation, showing its influence on the recommendation of new cultivars. This change is most evident in higher unbalance conditions.
URI: http://repositorio.ufla.br/jspui/handle/1/11841
Publicador: Universidade Federal de Lavras
Idioma: por
Aparece nas coleções: DBI - Genética e Melhoramento de Plantas - Mestrado (Dissertações)

Arquivos neste Item:

Arquivo Descrição TamanhoFormato
DISSERTAÇÃO_Estratégias para seleção de progênies em soja.pdf4,03 MBAdobe PDFVer/abrir

Itens protegidos por copyright, com todos os direitos reservados, Salvo indicação em contrário.


Mostrar estatísticas

 


DSpace Software Copyright © 2002-2007 MIT and Hewlett-Packard - Feedback