Evaluación de selección temprana en el programa de mejoramiento de arroz de INIA

Abstract

Seleccionar con buena precisión en el primer año de evaluación del rendimiento (E1) puede tener un gran impacto en la mejora de la eficiencia de un programa de mejoramiento. En este trabajo evaluamos el impacto de incorporar análisis multiambientales en la selección en etapas tempranas de evaluación en un programa de fitomejoramiento público, utilizando una estrategia de validación que contempla el momento en que se dispone de los datos fenotípicos. Se estudiaron cinco escenarios de predicción (PS) donde se predijeron valores con modelos considerando diferentes niveles de disponibilidad y agregación de datos para los análisis y la inclusión o no un término de interacción genotipo por ambiente (GE). Estudiamos el mejor PS para implementar de forma rutinaria en un programa público de fitomejoramiento considerando la partición de la varianza fenotípica del rendimiento de grano, la habilidad predictiva de los valores de cría y genéticos y el porcentaje de las líneas superiores en E1 que alcanzaron etapas de evaluación avanzadas. Propusimos una estrategia de validación efectiva y realista para la estructura de los programas de mejoramiento. Encontramos que el análisis conjunto de múltiples ensayos y ambientes resultó en una mejor estimación de los componentes de la varianza que cuando se realizaron análisis parciales, así como una alta habilidad predictiva para la selección temprana de padres y avance de líneas, con el uso de datos correspondientes a múltiples ensayos y ambientes. Otro hallazgo de este trabajo es que la inclusión de un término GE en los modelos correspondientes a escenarios de predicción no tuvo una respuesta clara y consistente en la habilidad predictiva.