Mejora de la predicción genómica del trigo mediante un enfoque de núcleo híbrido

Área de la Ciencia:

• Ciencias Agrícolas
• La genética
• La bioinformática

Sus antecedentes:

• Los modelos de selección genómica son cruciales para predecir los valores de mejoramiento en los cultivos.
• La integración de pedigrí y datos genómicos puede mejorar la precisión de la predicción.
• Los modelos existentes a menudo no logran capturar arquitecturas genéticas complejas.

Objetivo del estudio:

• Mejorar la precisión de la predicción genómica mediante la combinación de matrices de similitud de pedigrí (A) y genómica (G).
• Explorar la utilidad de los métodos no lineales, específicamente las matrices de núcleo, para el análisis genético.
• Desarrollar y validar nuevos núcleos híbridos (C y P) a partir de la interacción de las matrices A y G.

Principales métodos:

• Se utilizaron varios conjuntos de datos de trigo para análisis de un solo entorno y de varios entornos.
• Desarrolló cinco modelos de entorno único y cinco de entorno múltiple.
• Interacciones del genotipo por entorno (G × E) incorporadas en modelos de entornos múltiples.
• Se introdujeron dos nuevos núcleos simétricos (C y P) derivados de la interacción de las matrices genómicas y de pedigrí.

Principales resultados:

• Los modelos propuestos S5 y M5, que incorporan núcleos C y P, mejoraron significativamente la precisión de la predicción.
• Los núcleos híbridos capturaron variaciones genéticas adicionales e independientes más allá de las matrices convencionales.
• Los nuevos modelos de predicción superaron a los modelos convencionales estándar en la mayoría de los escenarios.
• Los modelos genómicos que emplean núcleos no lineales demostraron una capacidad predictiva superior en comparación con los modelos lineales.

Conclusiones:

• La integración de pedigrí y datos genómicos a través de nuevos núcleos híbridos mejora la predicción genómica.
• Los métodos de núcleo no lineal ofrecen un enfoque poderoso para capturar la variación genética compleja en los programas de cría.
• Los modelos desarrollados proporcionan una herramienta más precisa y robusta para la mejora genética del trigo.