Selección de Genotipos con Alta Respuesta y Estabilidad Fenotípica en Pruebas Regionales: Recuperando el Concepto Biológico

  • José Miguel Cotes Torres Universidad Nacional de Colombia
  • Elena Paola González Jaimes Politécnico Colombiano Jaime Isaza Cadavid
  • Alejandro Cotes Torres Universidad Nacional de Colombia
Palabras clave: Pruebas multiambiente, selección simultánea, estabilidad fenotípica, algoritmo de GIBBS.

Resumen

En los programas de mejoramiento genético de plantas es común evaluar la respuesta de los genotipos en varios ambientes con el fin de valorar la estabilidad fenotípica. Los primeros modelos para evaluar la estabilidad fueron llamados de varianza ambiental y se soportan en un modelo jerárquico que contempla el efecto principal de los genotipos, y el efecto de los genotipos dentro de los ambientes, lo cual se denomina el concepto biológico de la estabilidad fenotípica. Una de las grandes preocupaciones de los mejoradores es poder encontrar líneas, variedades e híbridos, con alta estabilidad y respuesta fenotípica. Con ese objetivo se han desarrollado numerosos métodos de análisis que involucran un modelo de dos vías con interacción; es decir: el efecto del genotipo, del ambiente y de la interacción genotipo ambiente. Se argumenta que estos modelos están más acorde con los intereses agronómicos que los modelos inicialmente usados, pero este artículo muestra como el modelo de varianza ambiental es un modelo más general y preferible para evaluar la estabilidad de la respuesta fenotípica, y con base en éste, a través de la metodología bayesiana, se desarrolla y propone un parámetro que no sólo permite la selección de genotipos con alta estabilidad y respuesta fenotípica, sino que además permite la incorporación de información previa de los genotipos testigos usados en las pruebas regionales.

Descargas

Los datos de descargas todavía no están disponibles.

Lenguajes:

ES

Referencias bibliográficas

Becker H.C. 1981. Correlations among some statistical measures of phenotypic stability. Euphytica 30: 835-840.

Becker H.C., Leon J. 1988. Stability analysis in plant breeding. Plant Breeding 101, 1-23.

Besag J., Higdon D. 1999. Bayesian analysis of agricultural field experiments. Journal Royal Statistical Society. Series B. 61: 641-746

Box G.E.P., Tiao G. C. 1973. Bayesian Inference in Statistical Analysis. Wiley Classic Library, New York. 608 p.

Burgueño J., Crossa J., Cornelius P.L., Yang R.-C. 2008. Using factor analytic models for joining environments and genotypes without crossover genotype × environment interaction. Crop Science 48:1291-1305.

Cooper M., DeLacy I.H. 1994. Relationships among analytical methods used to study genotypic variation and genotype-by-environment interaction in plant breeding multi-environment experiments. Theoretical and Applied Genetics 88: 561-572.

Cornelius P.L., Crossa J. y Seyedsadr M.S. 1996. Statistical tests and estimators of multiplicative models for genotype-by-environment interaction. p. 199-234. En: Kang M.S. y Gauch H.G. (Eds.) Genotype-by-Environmet Interaction. CRC press, New York, 416 p.

Cotes J.M, Zuluaga C. M., González E. P., Morales J.G., Marín, M. A., Ñustez C.E., Gutierrez P.A. 2012. Informe técnico de investigación proyecto “Evaluación fenotípica y genotípica de la colección de Solanum phureja por su resistencia a Spongospora subterranea f. sp subterranea”. Universidad Nacional de Colombia y Politécnico Colombiano Jaime Isaza Cadavid. Medellín, 98p.

Cotes J.M., Crossa J., Sanches A., Cornelius P.L. 2006. A Bayesian Approach for Assessing the Stability of Genotypes. Crop Science. 46:2654-2665.

Crossa J., Yang R.-C., Cornelius P.L. 2004. Studying crossover genotype × environment interaction using linear-bilinear models and mixed models. Journal of Agricultural, Biology and Environmental Statistics. 9: 362-380.

DeLacy I. H., Eisemann R.L., Cooper M. 1990. The importance of genotype by environment interaction in regional variety trials. p. 287-300. Kang K.S. (Ed.) En: Genotype-by-Environment Interaction and Plant Breeding. Lousiana State University, Baton Rouge, Lousiana.

DeLacy I.H., Cooper M., Basford K.E. 1996. Relationships among analytical methods used to study genotype-by-environment interactions and evaluation of their impact on response to selection. p. 51-84. En: Kang M.S. y Gauch H.G. (Eds.) Genotype-by-Environmet Interaction. CRC press, New York, 416 p.

Eberhart S.A., Russell W.A. 1966. Stability parameters for comparing varieties. Crop Science 6:36-40.

Edwards, J.W., Jannink J.-L. 2006. Bayesian modeling of heterogeneous error and genotype x environment interaction variances. Crop Science 46:820-833.

Falconer D. S., Mackay T. 1996. Introduction to quantitative genetics. 4a edición, Longman Group Ltd, Edinuburgh, 480 p.

Finlay K.W., Wilkinson G.N. 1963. The analysis of adaptation in a plant breeding program. Australian Journal of Agriculture Research 14: 742-754.

Foucteau V. Denis J.B. 2001. Statistical analysis of successive experiments in plant breeding: A Bayesian approach. p.49-56. En: Gallais, A., Dillman C., Goldringer I. (Eds.). EUCARPIA Quantitative genetics and breeding methods: the way ahead. INRA Editions, Paris, France. 333 p.

Gauch H. G., Zobel R. W. AMMI analysis of yield trials. p. 85-122. En: Kang M.S. y Gauch H.G. (Eds.) Genotype-by-Environmet Interaction. CRC press, New York, 416 p.

Gauch H.G. 2006. Statistical analysis of yield trials by AMMI and GGE. Crop Science 46:1488-1500

Gauch H.G., Zobel R.W. 1988. AMMI analysis of yield trials. p. 85-122. En: Kang M.S. y Gauch H.G. (Eds.) Genotype-by-Environmet Interaction. CRC press, New York, 416 p.

Gauch H.G., Piepho H.P., Annicchiarico P. 2008. Statistical analysis of yield trials by AMMI and GGE: Further considerations. Crop Science. 48:866-889.

Gelman A., Carlin J. B., Stern H. S., Rubin D.B. 2004. Bayesian data analysis. 2a edición, Chapman & Hall, London, 668p.

Gianola D., van Kaam . J.B. C. H. M. 2008 Reproducing kernel Hilbert spaces regression methods for genomic assisted prediction of quantitative traits. Genetics 178: 2289–2303.

Hadfield J.D. 2010. MCMC Methods for MultiResponse Generalized Linear Mixed Models: The MCMCglmm R Package. Journal of Statistical Software 33: 1-22.

Hühn M. 1996. Nonparametric analysis of genotype X environment interactions by ranks. p. 235-271. En: Kang M.S. y Gauch H.G. (Eds.) Genotype-by-Environmet Interaction. CRC press, New York, 416 p.

Crossa J., Perez-Elizalde S., Jarquin D., Cotes J.M., Viele K., Liu G., Cornelius P.L. 2011. Bayesian Estimation of the Additive Main Effects and Multiplicative Interaction Model. Crop Science 51: 1458-1469

Kang M.S., Magari, R. 1996. New development in selecting for phenotypic stability in crop breeding. p. 1-14. En: Kang M.S. y Gauch H.G. (Eds.) Genotype-by-Environmet Interaction. CRC press, New York, 416 p.

Kang M.S., Pham H.N. 1991. Simultaneous selection for high yielding and stable crop genotypes. Agronomy Journal 83: 161-165.

Kelly A.M., Smith A.B., Eccleston J.A., Cullis B.R. 2007. The accuracy of varietal selection using factor analytic models for multi-environment plant breeding trials. Crop Science 47:1063-1070.

Lin C.S., Binns M.R., Levkovitch L.P. 1986. Stability analysis: where do we stand?. Crop Science 26:894-900

Plummer M., Best N., Cowles K., Vines K. 2006. R News 6: 7 – 11.

Mood A. M., Graybill F.A., Boes D.C. 1974. Introduction to the theory of statistics. 3a edición, McGraw Hill, Tokyo, p. 339-350.

Nachit M.M., Nachit H., Ketata H., Gauch H.G., Zobel R.W. 1992. Use of AMMI and linear regression model to analyze genotype-environmet interaction in durum wheat. Theoretical and Applied Genetics 83: 597-601.

Nassar R., León J., Hühn M. 1994. Test of significance for combined measures of plant stability and performance. Biometrical Journal 36: 109-123.

Ñustez C.E. 2011. Estudios fenotípicos y genéticos asociados a la calidad de fritura en Solanum phureja Juz et Buk. Tesis de Doctorado en Ciencias Agropecuarias. Facultad de Agronomía. Universidad Nacional de Colombia –Sede Bogotá. Bogotá D.C. 224 p.

Perkins J.M., Jinks J.L. 1968. Environmental and genotype-environmental components of variability. III Multiple lines and crosses. Heredity 23: 339-356.

Piepho H.P. 1998. Empirical best linear unbiased prediction in cultivar trials using factor analytic variance-covariance structures. Theoretical and Applied Genetics 97: 195-201.

Piepho H.P. 1999. Stability analysis using the SAS system. Agronomy Journal 91: 154-160.

Plaisted R.L., Peterson L.C. 1959. A technique for evaluating the ability of selections to yield consistently in different locations or seasons. American Potato Journal 36: 381-385.

Poehlman J.M., Allen D. 2003. Mejoramiento genético de las cosechas. 2a edición, Editorial Limusa, México, 506p.

R Development Core Team. 2012. R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. Vienna, Austria. http://www.R-project.org/

Restrepo, J.A., Zuluaga Amaya, C., Cotes Torres, J.M., González Jaimes, E.P. 2011. Infección de Spongospora subterranea en Esquejes de Papa (Solanum tuberosum) Var. Diacol Capiro Proveniente de Tres Fuentes de Inóculo. Revista Facultad de Ciencias Básicas, 7:58-71.

Shukla G.K. 1972. Some statistical aspects of partitioning genotype-environment components of variability. Heredity 29: 237-245

Smith A.B., Cullis B.R., Thompson R. 2005. The analysis of crop cultivar breeding and evaluation trials: An overview of current mixed model approaches. Journal of Agricultural Science. 143:1-14.

Tai G.C.C. 1971. Genotypic stability and its aplication to potato regional trials. Crop Science 11: 184-190.

Theobald C.M., Talbot M., Nabugoomu F. 2002. A Bayesian approach to regional and local-area prediction from crop variety trials. Journal of Agricultural, Biological and Environmental Statistics 7: 403-419.

Wescott, B. 1987. A method of assessing the yield stability of crop genotypes. Journal of Agricultural Science 108: 267-274.

Yan W., Kang M.S., Ma B., Woods S., Cornelius P.L. 2007. GGE biplot vs. AMMI analysis of genotype-by-environment data. Crop Science 47: 643-655.

Yang R.C., Crossa J., Cornelius P.L., Burgueño J. 2009. Biplot analysis of genotype × environment interaction: Proceed with caution. Crop Science 49: 1-13

Yates F., Cochran W.G. 1938. The analysis of group of experiment. Journal of Agriculture Science 28: 556-580.

Yau S.K. 1995. Regression and AMMI analyses of genotype x environment interactions: An empirical comparison. Agronomy Journal 87: 121-126.

Cómo citar
Cotes Torres, J. M., González Jaimes, E. P., & Cotes Torres, A. (2016). Selección de Genotipos con Alta Respuesta y Estabilidad Fenotípica en Pruebas Regionales: Recuperando el Concepto Biológico. Revista Facultad De Ciencias Básicas, 8(2), 226–243. https://doi.org/10.18359/rfcb.2037
Publicado
2016-09-01
Sección
Artículos

Métricas

Crossref Cited-by logo
QR Code