Integrating NIR and genomic data for predicting fiber and sucrose content in sugarcane

• Autor(a) principal: Gonçalves, Mateus Teles Vital
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: eng
• Título da fonte: LOCUS Repositório Institucional da UFV
• Texto Completo: https://locus.ufv.br//handle/123456789/28702
• topic: Espectroscopia de infravermelho; Plantas - Melhoramento genético; Melhoramento Vegetal

O objetivo principal desta dissertação foi investigar novas metodologias para contornar alguns dos gargalos do programa de melhoramento genético de cana- de-açúcar da Universidade Federal de Viçosa (PMGCA). No capítulo um, desenvolvemos modelos de regressão e classificação usando espectroscopia de infravermelho próximo para prever e classificar clones de cana-de-açúcar com base em dois parâmetros de qualidade de matéria-prima. Os valores medidos por métodos de referência e previstos pelos modelos PLS e PLS-DA foram comparados. Os modelos PLS tiveram acurácias moderadas. Os coeficientes de correlação de predição obtidos foram: 0,732 para teor de fibra e 0,665 para teor de sacarose. Os modelos PLS-DA construídos para classificar clones baseados em PC% apresentaram o valor ideal de 1 para sensibilidade, enquanto os modelos baseados em FIB% apresentaram um valor moderado de 0,758. Ambos os modelos exibiram erros de classificação semelhantes: 0,185 e 0,195 para FIB% e PC%, respectivamente. Estes resultados indicam a viabilidade da espectroscopia NIR na substituição de métodos de referência adotados atualmente. No capítulo dois, investigamos se a acurácia da seleção genômica é melhorada, combinando a matriz de espectros NIR e uma matriz de SNPs em uma única análise de regressão. A acurácia dos modelos de seleção genômica foi avaliada utilizando o algoritmo de Kennard-Stone e computando a correlação entre os valores genéticos obtidos por meio de medidas fenotípicas e os valores genéticos estimados a partir da informação genômica. A combinação das informações de espectroscopia NIR e de genômica melhorou a correlação dos modelos para FIB% e PC%. Os resultados encontrados neste estudo sugerem que modelos incluindo dados derivados de espectros NIR, juntamente com informações de marcadores moleculares, resultam em maior capacidade preditiva. Assim, essa abordagem poderia ser usada para aumentar a eficiência da seleção de clones de cana-de-açúcar, reduzindo os intervalos de geração e assim possibilitar o aumento nos ganhos genéticos no PMGCA.