Efficiency of among and within family selection in plant breeding through simulation

Detalhes bibliográficos
Ano de defesa: 2012
Autor(a) principal: Carvalho, Melissa Pisaroglo de
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Universidade Federal de Viçosa
BR
Genética animal; Genética molecular e de microrganismos; Genética quantitativa; Genética vegetal; Me
Doutorado em Genética e Melhoramento
UFV
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://locus.ufv.br/handle/123456789/1344
Resumo: Os objetivos desse trabalho foram realizar um estudo aprofundado dos experimentos do programa de melhoramento da cana-de-açúcar da UFV, estimando os componentes de variância e os parâmetros genéticos. Foram selecionadas as 20 melhores famílias e foi realizada a análise de componentes principais. Foram utilizados os dados de cinco experimentos no delineamento de blocos ao acaso com cinco repetições, 22 famílias de irmãos completos e dois controles. As variáveis analisadas foram: número, altura, diâmetro e peso de colmos e BRIX. Com os resultados desse estudo foram geradas as simulações para obter uma comparação entre os métodos BLUPI e BLUPIS. Os dados foram simulados com base em seis cenários genéticos, posteriormente esses dados foram analisados no contexto de modelo linear misto, via modelo individual para estimar o BLUPI e via modelo em nível de parcela para estimar o BLUPIS. Os valores de coincidência entre o número de indivíduos selecionados por famílias foram comparadas através de valores de correlação via ambos os métodos. O método BLUPIS mostrou se eficiente em todos os cenários, sendo que os melhores valores foram obtidos para os cenários com altos valores de variância aditiva e herdabilidade.Altos valores de correlação foram encontrados entre os métodos BLUPI e BLUPIS, principalmente para os cenários com altos valores de variância aditiva e herdabilidade.