Predicción de valores genéticos aditivos en genotipos de guayabo (Psidium guajava) (Myrtaceae)
Palabras clave:
modelos lineales generalizados, mejor predictor lineal insesgado, máxima verosimilitud restringida, medidas repetidasResumen
Durante el proceso de selección en plantas, es importante obtener estimados más precisos de la superioridad genética de los individuos. En las plantas perennes, se realizan mediciones durante varias cosechas en las mismas plantas, por lo que se debe utilizar un método de análisis que tenga en cuenta las medidas repetidas. El procedimiento óptimo para la estimación-predicción de parámetros genéticos en las especies perennes, es el de Máxima Verosimilitud Restringida-Mejor Predictor Lineal Insesgado. El presente trabajo se realizó con el objetivo de seleccionar la estructura de covarianza que mejor ajusta los datos y predecir el valor genético individual en progenies de guayabo (Psidium guajava), como criterio de selección de genotipos. Se evaluaron 10 caracteres cuantitativos vegetativos y del fruto durante tres años, en tres familias de hermanos completos de guayabo en Cuba. Se realizaron procedimientos MIXED para seleccionar la estructura de covarianza que mejor ajustaba los datos, para cada de uno de los caracteres, en las tres familias. Posteriormente, se emplearon procedimientos GLIMMIX en los cuales se consideraron los factores genotipo e interacción genotipo-año como aleatorios, se especificó el factor año como medida repetida y la estructura de covarianza. Los análisis se realizaron en el programa SAS versión 9.3. Se determinó que la estructura de covarianza Toeplitz era la más adecuada. Se seleccionaron ocho genotipos con los mayores valores genéticos para varios caracteres en las tres familias, que pueden considerarse promisorios para disímiles propósitos.
Citación: Pérez Pelea, L., Bandera Fernández, E., Valdés-Infante Herrero, J.,Velázquez Palenzuela, B. & Cornide Hernández, M.T. 2019. Predicción de valores genéticos aditivos en genotipos de guayabo (Psidium guajava) (Myrtaceae). Revista Jard. Bot. Nac. Univ. Habana 40: 23-31.
Recibido: Abril 2019. Aceptado: Junio 2019. Publicado online: 2 de agosto de 2019. Editor encargado: José Angel García Beltrán.
Descargas
Citas
Ali, D.O., Ahmed, R.A. & Babikir, E.B. 2014. Physicochemical and nutritional value of red and white guava cultivars grown in Sudan. J. Agric. Fd. Applied Sci. 2(2): 27-30.
Al-Marshadi, A.H. 2014. Selecting the covariance structure in mixed model using statistical methods calibration. J. Math. Stat. 10(3): 309-315.
Bandera, E. & Pérez, L. 2018. Los modelos lineales generalizados mixtos. Su aplicación en el mejoramiento de plantas. Cult. Trop. 39(1): 127-133.
Bandera, E. 2018. Estudio de la variabilidad genética y de la asociación entre caracteres cuantitativos en familias de hermanos completos de guayabo (Psidium guajava L.). Tesis de Maestría, Facultad de Biología, Universidad de La Habana, Cuba.
Bello, N.M. 2016. Mixed Models for Analysis of Repeated Measures Data. Kansas State University. International Biometric Society.http://exa.unne.edu.ar/GAB2016/GAB2016/docs/Repeated%20measures%20GAB2016%20-%20NBello.pdf. 4 de Marzo de 2019.
Cargnin, A. 2016. Repetibilidade e número de colheita de características para seleçao de clones de variedades viníferas. Cienc. Rural 46(2): 221-226.
Cornide, M.T. 2018. Bases genéticas y principales métodos del fitomejoramiento. En: Cornide, M.T. (ed.). Genética, genómica y fitomejoramiento. Editorial UH, La Habana, Cuba.
Davis, J.W. 2017. Linear Mixed Models with Repeated Effects. Introduction and Examples Using SAS/STAT® Software. University of Georgia, Griffin Campus, USA. https://site.caes.uga.edu/expstatgrif/files/2018/07/RepeatedMixedFinal1.pdf. 5 de Marzo de 2019.
Davis, J.W. 2018. Introduction to Generalized Linear Mixed Models. A Count Example. University of Georgia, Griffin Campus, USA. https://site.caes.uga.edu/expstatgrif/files/2018/07/CountsGLMMfin1.pdf. 5 de Marzo de 2019.
de Resende, M.D.V. 2016. Software Selegen-REML/BLUP: a useful tool for plant breeding. Crop Breed. Appl. Biot. 16: 330-339.
Ferron, J., Dailey, R. & Yi, Q. 2002. Effects of misspecifying the first-level error structure in two level models of change. Multivariate Behav. Res. 37: 379-403.
Guerin, L. & Stroup, W.W. 2000. A simulation study to evaluate PROC MIXED analysis of repeated measures data. Proceedings of the 12th Annual Conference on Applied Statistics in Agriculture. Manhattan, KS, Kansas State University, USA.
Hernández, A., Pérez, J.M., Boch, D. & Castro, N. 2015. Clasificación de los suelos de Cuba 2015. Ediciones INCA, San José de las Lajas, Mayabeque, Cuba.
Keselman, H.J., Algina, J., Kowalchuk, R.K. & Wolfinger, R.D. 1998. A comparison of two approaches for selecting covariance structures in the analysis of repeated measurements. Commun. Stat. Simulat. Comput. 27: 591-604.
Littell, R.C.,Miliken, G.A., Stroup, W.W. & Wolfinger, R.D. 2006. SAS for Mixed Models. 2nd Edition, SAS Institute Inc., Cary, NC, USA.
McDonald, J.H. 2014. Handbook of Biological Statistics. Sparky House Publishing, Baltimore, Maryland, USA.
MINAG. 2011. Instructivo Técnico para el cultivo de la Guayaba. Instituto de Investigaciones en Fruticultura Tropical, La Habana, Cuba.
Noerwijati, K., Taryono, N. & Prajitno D. 2013. Breeding value estimation of fifteen related cassava genotypes using BLUP. Journal of Agricultural and Biological Science 8(4): 317-321.
Oliveira, E.J., Andrade, F.F.G., de Freitas, X.J., de Loyola, D.J. & de Resende, M.D.V. 2012. Plant selection in F2 segregating populations of papaya from commercial Hybrids. Crop Breed. Appl. Biot. 12: 191-198.
Patel, R.K., Maiti, C.S., Deka, B.C., Vermav, V.K., Deshmukh, N.A. & Verma, M.R. 2015. Genetic variability, character association and path coefficient study in guava (Psidium guajava L.) for plant growth, floral and yield attributes. International Journal of Bio-resource and Stress Management 6(4): 457-466.
Pérez L. 2013. Análisis de la variabilidad genética y de la inte- racción genotipo – ambiente en poblaciones de guayabo (Psidium guajava L.). Tesis de Doctorado, Facultad de Biología, Universidad de La Habana, Cuba.
Pimentel, A.J.B., Guimarães, J.F.R., de Souza, M.A., de Resende, M.D.V., Moura, L.M., Rocha, J.R.S. & Ribeiro, G. 2014. Estimação de parâmetros genéticos e predição de valor genéticoaditivo de trigo utilizando modelos mistos. Pesq. Agropec. Bras. 49(11): 882-890.
Pinedo, M.P., Chagas, E.A., Davila, E.P., Rodriguez, C.A., Lozano, R.B., Chagas, P.C. & Melo, V.F. 2017. Selection of superior genotypes in 37 clones of Camu-Camu by repetitivity analysis. J. Agr. Sci. 9(6): 175-187.
Quintal, S.S.R., Viana, A.P., Campos, B.M., Vivas, M. & do Amaral, A.T. 2016. Selection via mixed models in segregating guava families based on yield and quality traits. Rev. Bras. Frutic. 29(2): p.e-866.
Quintal, S.S.R., Viana, A.P., Campos, B.M., Vivas, M. & do Amaral, A.T. 2017. Analysis of structures of covariance and repeatability in guava segregating population. Rev. Caatinga 30(4): 885-891.
Rawls, B., Harris-Shultz, K., Dhekney, S., Forrester, I. & Sitther, V. 2015. Clonal fidelity of micropropagated Psidium guajava L. plants using microsatellite markers. Am. J. Plant Sci. 6: 2385-2392.
Rodríguez, N.N., Valdés-Infante, J., Becker, D., Velázquez, B., Coto, O., Ritter E, & Rohde, W. 2004. Morphological, agronomic and molecular characterization of Cuban accessions of guava (Psidium guajava L.). J. Genet. Breed. 58(1): 79-89.
Rodríguez, N.N., Valdés-Infante, J., Becker, D., Velázquez, B., González, G., Sourd, D., Rodríguez, J., Billotte, N., Risterucci, A.M., Ritter, E. & Rohde, W. 2007. Characterization of guava accessions by SSR markers, extension of the molecular linkage map, and mapping of QTLs for vegetative and reproductive characters. Acta Hortic. 735: 210-215.
Rodríguez, N.N., Valdés-Infante, J., Rodríguez, J.A., Velázquez, J.B., Rivero, D. & Martínez, F. 2009. Preselección de híbridos de guayabo (Psidium guajava L.) con potencial productivo y calidad de la fruta. CitriFrut 26(2): 13-20.
Rodríguez, N.N., Fermín, E., Valdés-Infante, J., Velázquez, B., Rivero, D., Martínez, F., Rodríguez, J. & Rohde, W. 2010. Illustrated descriptor for guava (Psidium guajava). Acta Hortic. 849: 103-109.
Sánchez, C.F., Alves, R.S., García, A.D., Teodoro, P.E., Peixoto, L.A., Silva, L.A., Bhering, L.L. & de Resende, M.D.V. 2017. Estimates of repeatability coefficients and the number of the optimum measure to select superior genotypes in Annona muricata L. Genet. Mol. Res. 16(3): gmr16039753.
SAS Institute Inc. 2012. SAS version 9.3. SAS Institute Inc., Cary, NC, USA. Available from: http://www.sas.com SAS/STAT. 2017. SAS/STAT Software version 14.1. SAS Institute Inc., Cary, NC, USA. Available from: http://www.sas.com
Stroup, W.W. 2015. Rethinking the Analysis of Non-Normal Data in Plant and Soil Science. Agron. J. 107: 811-827.
Tabachnick, B.G & Fidell, L.S. 2007. Using multivariate statistics. Allyn and Bacon, Boston, USA.
Valdés-Infante, J., Rodríguez, N.N., Ritter, E. & Rohde, W. 2011. Mapa de ligamiento genético y análisis de QTLs en guayabo (Psidium guajava L.). Población de mapeo de ‘Enana Roja Cubana’ x ‘Belic L-207’. CitriFrut 28(2): 56-66.
Whitlock, M.C. & Schluter, D. 2009. The Analysis of Biological Data. Roberts and Company Publishers, Greendwood Village, Colorado, USA.
Descargas
Publicado
Cómo citar
Licencia
Derechos de autor 2019 Leneidy Pérez Pelea, Evelyn Bandera Fernández, Juliette Valdés-Infante Herrero, Bárbara Velázquez Palenzuela, María Teresa Cornide Hernández
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
