INTEGRATING GENOMIC AND ENVIRONMENTAL DATA USING GIS-FA MODELLING TO PREDICT THE PERFORMANCE OF MAIZE HYBRIDS IN UNTESTED ENVIRONMENTS

Descrição

A cultura do milho possui grande relevância econômica para o Brasil, destacando-se como um dos principais produtores mundiais. No entanto, a expansão da cultura para novas regiões agrícolas e a elevada variabilidade ambiental do território nacional trazem desafios aos programas de melhoramento genético, principalmente relacionados à interação genótipo × ambiente (G×A). Essa interação reduz a previsibilidade do desempenho genotípico, dificultando a recomendação precisa de híbridos superiores em diferentes condições edafoclimáticas. Os métodos estatísticos convencionais utilizados para análise da interação G×A apresentam limitações significativas em cenários com dados desbalanceados, grande número de ambientes ou ausência de experimentação em regiões estratégicas. Diante desse cenário, este projeto propõe desenvolver uma abordagem preditiva baseada no modelo GIS-FA (Geographic Information Systems - Factor-analytic models), que integrará dados genômicos e ambientais para estimar o desempenho de híbridos de milho em ambientes não testados. A metodologia a ser aplicada envolve a construção de uma matriz kernel gaussiana derivada de marcadores SNPs, obtidos por genotipagem via sequenciamento (GBS), para representar a similaridade genética entre os genótipos. Essa estrutura permitirá capturar padrões não lineares e modelar de forma integrada os efeitos genéticos aditivos e de dominância. O modelo fatorial analítico (FA) será utilizado para decompor os efeitos da interação G×A em componentes comuns e específicos entre os ambientes, proporcionando maior interpretação biológica e acurácia preditiva. Pretende-se predizer as cargas fatoriais associadas aos ambientes para regiões não avaliadas utilizando regressão por mínimos quadrados parciais (PLS), com base em variáveis ambientais extraídas das plataformas NASA POWER e SoilGrids. Os dados experimentais serão obtidos a partir de conjuntos experimentais conduzidos pela Embrapa Milho e Sorgo, abrangendo diferentes híbridos avaliados em múltiplos ambientes. Espera-se que a integração dos dados genômicos ao modelo GIS-FA aumente significativamente a acurácia das predições, possibilitando a criação de mapas temáticos que identifiquem zonas potenciais de adaptação para os híbridos, mapas de desempenho e mapas “quem ganhou onde”. Com isso, espera-se que essa abordagem contribua para otimizar a recomendação de genótipos em programas de melhoramento genético, potencializando a tomada de decisão em cenários de expansão agrícola no Brasil, especialmente em regiões ainda não exploradas experimentalmente.

Palavras-chave

• Enivomentomics
• Ambiente
• GIS
• Melhoramento

Grupo de pesquisa

Melhoramento vegetal

Financiamento

Com financiamento