Métodos de análisis de la interacción genotipo × ambiente en maíz (Zea mays, Poaceae)
Palabras clave:
adaptabilidad de cultivos de plantas, biplot, estabilidad mega-ambientes, modelo de efectos aditivos e interacción multiplicativaResumen
El maíz constituye uno de los cultivos más importante del mundo porque contribuye a la alimentación de humanos y animales. Es una planta que se encuentra adaptada a una gran diversidad de ambientes. La interacción genotipo × ambiente tiene una gran influencia en los caracteres del rendimiento del maíz, por lo que se hace necesario estudiarla. Las investigaciones sobre esta interacción han sido realizadas para identificar variedades con altos rendimientos para ambientes específicos, determinar los sitios que mejor representen a ese ambiente y estimar la estabilidad de los genotipos. Existen diferentes metodologías que explican esta interacción, como el modelo de Efectos Aditivos e Interacción Multiplicativa, el análisis de regresión en los sitios y el análisis de regresión en los genotipos. La primera permite estudiar el grado de estabilidad de los genotipos al ser probados en diferentes ambientes. El método de regresión en los sitios se recomienda cuando el interés principal es el comportamiento de los genotipos y el análisis de regresión en los genotipos se emplea para profundizar en los mega-ambientes. El objetivo de esta revisión fue explicar las aplicaciones de los métodos de interacción genotipo × ambiente en el maíz. Los estudios sobre adaptabilidad y estabilidad con el empleo de los gráficos biplot corroboraron la eficiencia de los análisis para recomendar genotipos y ambientes favorables en el cultivo de esta planta.
Citación: Bandera, E. 2023. Métodos de análisis de la interacción genotipo × ambiente en maíz (Zea mays, Poaceae). Revista Jard. Bot. Nac. Univ. Habana 44: 33-38.
Recibido: 6 de abril de 2022. Aceptado: 17 de octubre de 2022. Publicado en línea: 23 de junio de 2023. Editor encargado: Luis Manuel Leyva.
Descargas
Citas
Abadie, T. & Ceretta, D. 2001. Entendiendo la Interacción Genotipo × ambiente: avances y desafíos. Pp. 1-2. En: Interacción Genotipo × ambiente. Avances y aplicaciones para el desarrollo de la Genética Vegetal. Coloquio INIA Las Brujas, Uruguay (10 de septiembre).
Abate, M. 2020. Genotype by environment interaction and yield stability analysis of open pollinated maize varieties using AMMI model in Afar Regional State, Ethiopia. J. Plant Breed. Crop Sci. 12(1): 8-15. https://doi.10.5897/JPBCS2019.0839
Albert, M. 2004. Comparison of Statistical Methods to describe G × E interaction and yield stability in multi-location maize trials. M.Sc. Thesis. University of the Free State, South Africa.
Apraku, B. & Akinwale, R. 2011. Identification of early-maturing maize inbred lines based on multiple traits under drought and low N environments for hybrid development and population improvement. Canad. J. Pl. Sci. 91: 931-942. https://doi.org/10.4141/cjps2010-021
Bernardo, L., da Silva, C., de Oliveira, L., Nuvunga, J., Pires, L., Von Pinho, R. & Balestre, M. 2018. AMMI Bayesian Models to Study Stability and Adaptability in Maize. Agron. J. 110(5): 1765-1776. https://doi.org/10.2134/agronj2017.11.0668
Bocianowski, J., Nowosad, K. & Tomkowiak, A. 2019. Genotype-environment interaction for seed yield of maize hybrids and lines using the AMMI model. Maydica 64(2): M13.
Branković, D., Babić, V., Girek, Z., Živanović, T., Radojčic, A., Filipović, M. & Srdić, J. 2018. Evaluation of maize grain yield and yield stability by AMMI analysis. Genetika 50(3): 1067-1080. https://doi.10.2298/GENSR1803067B
Comstock, E. & Moll, H. 1963. Genotype-environment interactions. Pp. 164-196. En: Hanson, W.D. & Robinson, H.F. (Eds.). Statistical Genetics and Plant Breeding. NAS-NRC The National Academies Press. Washington D.C., USA. https://doi.org/10.17226/20264
Cornelius, P., Crossa, J. & Seyedsadr, M. 1996. Statistical tests and estimators of multiplicative models for cultivar trials. Pp. 199-234. En: Kang, M.S. & Gauch Jr., H.G. (Eds.). Genotype-by-Environment Interaction. CRC Press. Boca Raton, Florida, USA. https://doi.org/10.1201/9781420049374.ch8
Crossa, J. & Cornelius, P. 2002. Linear–Bilinear Models for the Analysis of Genotype–Environment Interaction. Pp. 305-363. En: Kang, M.S. (Ed.). Quantitative Genetic, Genomics and Plant Breeding. Cap. 20. CAB International Publications. https://doi.org/10.1079/9780851996011.0305
Crossa, J. 1990. Statistical analysis of multilocation trials. Adv. Agron. 44: 55-85. https://doi.org/10.1016/s0065-2113(08)60818-4
Das, A., Muthusamy, V., Zunjare, R., Chauhan, H., Sharma, P., Bhat, J., Guleria, S., Saha, S. & Hossain, F. 2019. Genetic variability-, genotype × environment interactions- and combining ability-analyses of kernel tocopherols among maize genotypes possessing novel allele of γ-tocopherol methyl transferase (ZmVTE4). J. Cereal Sci. 86: 1-8. https://doi.10.1016/J.JCS.2018.12.018
Delacy, I., Cooper, M. & Basford, K. 1996. Relationships among analytical methods used to study genotype-by-environment interactions and evaluation of their impact on response to selection. Pp. 51-84. En: Kang, M.S. & Gauch Jr., H.G. (Eds.). Genotype-by-Environment Interaction. CRC Press. Boca Raton, Florida, USA. https://doi.org/10.1201/9781420049374.ch3
Ebdon, J. & Gauch, H. 2002. Additive Main Effect and Multiplicative Interaction Analysis of National Turfgrass Performance Trials. I. Interpretation of Genotype × Environment Interaction. Crop Sci. 42: 489-496. https://doi.org/10.2135/cropsci2002.4890
Eberhart, S. & Russel, W. 1966. Stability parameters for comparing the varieties. Crop Sci. 6: 36-40. https://doi.org/10.2135/cropsci1966.0011183X000600010011x
Frutos, E., Galindo, P. & Leiva, V. 2014. An interactive biplot implemen- tation in R for modeling genotype-by-environment interaction. Stoch. Environ. Res. Risk Assess. 28(7): 1629-1641. https://doi.org/10.1007/s00477-013-0821-z
Gabriel, K. 1971. The biplot graphic display of matrices with application to principal component analysis. Biometrika 58(3): 453-467. https://doi.org/10.1093/biomet/58.3.453
Gauch, H. 2006. Statistical Analysis of Yield Trials by AMMI and GGE. Crop. Sci. 46(4): 1488-1500. https://doi.org/10.2135/cropsci2005.07-0193
Gauch, H. 2013. A simple protocol for AMMI analysis of yield trials. Crop Sci. 53(5): 1860-1869. https://doi.org/10.2135/cropsci2013.04.0241
Gauch, H. & Zobel, R. 1997. Identifying mega-environments and targeting genotypes. Crop Sci. 37(2): 311-326. https://doi.org/10.2135/cropsci1997.0011183X003700020002x
Haruna A., Adu, B., Buah, S., Kanton, R., Kudzo, A., Seidu, M. & Kwadwo, A. 2017. Analysis of Genotype by Environment Interaction for Grain Yield of Intermediate maturing Drought Tolerant Top-cross Maize Hybrids under rain-fed conditions. Cogent Food & Agriculture 3(1): 1-13. https://doi.org/10.1080/23311932.2017.1333243
Judd, W.S., Campbell, C.S., Kellogg, E.A., Stevens, P.F. & Donoghue, M.J. 2016. Plant Systematics. A Phylogenetic Approach. 4th Edition. Sinauer Associates, Inc. USA.
Kandus, M., Almorza, D., Boggio, R. & Salerno, J. 2010. Statistical models for evaluating the genotype-environment interaction in maize (Zea mays L.). Phyton (Buenos Aires) 79: 39-46. https://doi.org/10.32604/phyton.2010.79.039
Kang, M. 2004. Breeding: Genotype-by-environment interaction. Pp. 218-221. En: Goodman, R.M. (Ed.). Encyclopedia of Plant and Crop Science. Marcel-Dekker. New York, USA. https://doi.org/10.1081/E-EPCS-120010525
Katsenios, N., Sparangis, P., Leonidakis, D., Katsaros, G., Kakabouki, I., Vlachakis, D. & Efthimiadou, A. 2021. Effect of Genotype × Environment Interaction on Yield of Maize Hybrids in Greece using AMMI analysis. Agronomy 11(3): 479. https://doi.10.3390/agronomy11030479
Kumar, P. & Singh, N. 2015. Determining behaviour of maize genoty- pes and growing environments using AMMI statistics. SAARC J. Agri. 13(1): 162-173. https://doi.org/10.3329/sja.v13i1.24189
López, F., Chura, J. & García, G. 2019. Interacción genotipo por am- biente del rendimiento de maíz amarillo en híbridos trilineales, Perú. Rev. Mex. Cienc. Agríc. 10(4): 859-872. https://doi.org/10.29312/remexca.v10i4.1696
Martínez, J., Espinosa, N. & Villegas, Y. 2016. Interacción genotipo- ambiente en poblaciones de maíz nativo de Chiapas. Revista Mexicana de Agroecosistemas 3(1): 38-48.
Mercer, K. & Perales, H. 2019. Structure of local adaptation across the landscape: flowering time and fitness in Mexican maize (Zea mays L. subsp. mays) landraces. Genet. Resour. Crop Evol. 66: 27-45. https://doi.org/10.1007/s10722-018-0693-7
Mitrović, B., Dušan, S., Sanja, T., Milisav, S., Mile, I., Goran, B., & Miloš, R. 2012. Evaluation of experimental maize hybrids tested in multilocation trials using AMMI and GGE biplot analyses. Turkish J. of Field Crops 17(1): 35-40.
Mousavi, S.M.N., Kith, N. & Nagy, J. 2019. Effect of interaction between traits of different genotype maize in six-fertilizer level by GGE biplot analysis in Hungary. Progress in Agricultural Engineering Sciences 15(1): 23-35. https://doi.org/10.1556/446.15.2019.1.2
Ochoa, I., Preciado, R. & Bayuelo, J. 2019. Interacción genotipo × ambiente y estabilidad en rendimiento de variedades de maíz en condiciones contrastantes de fósforo. Agrociencia 53(3): 337-353.
Reyes-Méndez, C., Cantú-Almaguer, M., Gill-Langarica, H., García- Olivares, J. & Mayek, N. 2017. Interacción genotipo × ambiente en maíz cultivado en Tamaulipas, México. Rev. Mex. Cienc. Agríc. 8(3): 571-582. https://doi.org/10.29312/remexca.v8i3.32
Romay, M., Millard, M., Glaubitz, J., Peiffer, J., Swarts, K., Casstevens, T., Elshire. R., Acharya, C., Mitchell, S., Flint-García, S., McMullen, M., Holland, J., Buckler, E. & Gardner, C. 2013. Comprehensive genotyping of the USA national maize inbred seed bank. Genome Biol. 14: R55. https://doi.10.1186/gb-2013-14-6-r55
Shojaei, S., Mostafavi, K., Omrani, A., Omrani, S., Nasir, S., Illés, A., Bojtor, C. & Nagy, J. 2021. Yield Stability Analysis of Maize (Zea mays L.) Hybrids Using Parametric and AMMI Methods. Scientifica 2021: 5576691. https://doi.org/10.1155/2021/5576691
Vargas, E., Vargas, J. & Baena, D. 2016. Análisis de estabilidad y adaptabilidad de híbridos de maíz de alta calidad proteica en diferentes zonas Agroecológicas de Colombia. Acta Agron. 65(1): 72-79. https://doi.org/10.15446/acag.v65n1.43417
Wolde, L., Keno, T., Tadesse, B., Bogale, G., Wold, A. & Abebe, B. 2018. Mega-Environment Targeting of Maize Varieties using Ammi and GGE Bi-Plot Analysis in Ethiopia. Ethiop. J. Agric. Sci. 28(2): 65-84. https://repository.cimmyt.org/bitstream/handle/10883/19947/60087.pdf?sequence=1&isAllowed=y
Yan, W. & Hunt, L. 2002. Biplot analysis of diallel data. Crop Sci. 42: 21-30. https://doi.org/10.2135/cropsci2002.2100a
Yan, W., Hunt, L., Sheng, Q. & Szlavnics, Z. 2000. Cultivar evaluation and mega- environment investigation based on the GGE biplot. Crop Sci. 40(3): 597-605. https://doi.org/10.2135/cropsci2000.403597x
Yan, W., Kang, M., Ma, B., Woods, S. & Cornelius, P. 2007. GGE biplot vs. AMMI analysis of genotype-by-environment data. Crop Sci. 47(2): 596-605. https://doi.org/10.2135/cropsci2006.06.0374
Yan, W. & Tinker, A. 2006. Biplot analysis of multienvironment trial data: Principles and applications. Canad. J. Pl. Sci. 86: 623-645. https://doi.org/10.4141/P05-169
Zobel, R., Wright, M. & Gauch, H. 1988. Statistical analysis of a yield trial. Agron. J. 80: 388-393. https://doi.org/10.2134/agronj1988.00021962008000030002x
Descargas
Publicado
Cómo citar
Licencia
Derechos de autor 2023 Evelyn Bandera Fernández
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
