Núcleos híbridos que integran datos genómicos y multiespectrales mejoran la precisión de la predicción genómica del...

Área de la Ciencia:

• Mejoramiento y genética de plantas
• Ciencia agrícola
• Bioinformática

Sus antecedentes:

• La selección genómica (SG) mejora la eficiencia del mejoramiento de plantas, pero enfrenta desafíos en la precisión de la predicción.
• Factores como el tamaño de la muestra y la complejidad de los rasgos impactan el rendimiento del modelo de SG.
• La integración de datos genómicos y fenómicos es una estrategia prometedora para mejorar la SG.

Objetivo del estudio:

• Desarrollar y evaluar una estrategia de modelización de núcleos híbridos para la selección genómica.
• Mejorar la eficiencia y la precisión de la identificación de genotipos superiores en el mejoramiento de plantas.
• Aprovechar los datos fenómicos derivados de vehículos aéreos no tripulados (UAV) junto con los datos genómicos.

Principales métodos:

• Se construyeron núcleos híbridos combinando datos genómicos y fenómicos.
• Se utilizaron datos de mejoramiento de trigo de invierno (Triticum aestivum L.) de varios años.
• Se aplicó la modelización de núcleos híbridos a datos fenómicos y genómicos derivados de UAV.

Principales resultados:

• La modelización de núcleos híbridos mejoró significativamente la precisión de la predicción de SG.
• Se lograron mejoras promedio del 17,52 % (correlación de Pearson) y del 30,36 % (RMSE normalizado).
• Se demostraron ganancias sustanciales en la identificación de las líneas de mejor rendimiento (28,94 % para el 10 % superior, 16,73 % para el 20 % superior).

Conclusiones:

• La integración de datos genómicos y fenómicos derivados de UAV a través de núcleos híbridos es eficaz para mejorar la SG.
• Este enfoque ofrece una herramienta valiosa y escalable para el mejoramiento moderno de plantas.
• El método captura variación complementaria, lo que lleva a una predicción de genotipos más precisa.