Interação genótipos x ambientes de linhagens irmãs de soja por meio de modelos mistos, GGE e AMMI
DOI:
https://doi.org/10.53660/PRW-1761-3411Palavras-chave:
Adaptabilidade e estabilidade, Melhoramento genético, Glycine max (L.) MerrillResumo
O objetivo deste trabalho foi avaliar linhagens irmãs de soja de uma mesma família e determinar um alto grau de parentesco através de diferentes conceitos de adaptabilidade e estabilidade. Os testes foram realizados em 10 locais em 2018 e 2019 no Paraná e em São Paulo, Brasil. Seis linhagens irmãs de soja da mesma família e duas cultivares foram utilizadas como controle. Os dados de produtividade de grãos foram submetidos à análise de estabilidade e adaptabilidade utilizando o modelo misto de máxima verossimilhança restrita e melhor preditor linear imparcial com o método da média harmônica do desempenho relativo de valores genéticos (HMRPGV), efeitos principais aditivos e métodos de análise de interação multiplicativa (AMMI). e genótipo e biplot de interação genótipo por ambiente (GGE). A classificação genotípica diferiu entre os métodos AMMI e GGE. O método GGE utilizando o gráfico biplot permitiu identificar a linhagem INT60.23 IPRO como a mais próxima da cultivar ideal. Utilizando o método HMRPGV, as estimativas positivas dos efeitos genotípicos e da interação genótipos e ambiente demonstraram a superioridade da linhagem INT60.23 IPRO.
Downloads
Referências
AGAHI, K., et al. Analysis of genotype× environment interaction for seed yield in spring oilseed rape using the AMMI model. Crop Breed. Appl. Biotechnol, New York, v. 20, n. 1, p. 1-8, 2020. https://doi.org/10.1590/1984-70332020v20n1a2
BAKARE, M.A., et al. Parsimonious genotype by environment interaction covariance models for cassava (Manihot esculenta). Front. Plant Science, v. 20, n. 13, p. 1-18, 2022. https://doi.org/10.3389/fpls.2022.978248
BIANCHI, M.C., et al. Heritability and the genotype × environment interaction in soybean. Agrosyst Geosci Environ, v. 3, p. 1-10, 2020 https://doi.org/10.1002/agg2.20020
BORÉM, et al. Soja: do plantio à colheita. 2ª ed. São Paulo: Oficina de Textos, 2022.
BORÉM, A., MIRANDA, G.V. and NETO FRITSCHE, R. Melhoramento de Plantas. 8º ed. São Paulo: Editora Oficina do Texto, 2021.
CASTRO, C.R., et al. Adaptability and stability analysis of new popcorn simple hybrids evaluated using additive main effects and multiplicative interaction Bayesian approaches. Bragantia, Campinas, v. 81, p. 1-13, 2022. https://doi.org/10.1590/1678-4499.20200467
CREVELARI, J.A., et al. Adaptability and stability of corn hybrids for silage via GGE Biplot. Agronomy journal. 2022. https://doi.org/10.1002/agj2.21240
EBERHART, S.A.; RUSSELL, W.A. Stability parameters for comparing varieties. Crop Science, v. 6, p. 36-40, 1996. http://dx.doi.org/10.2135/cropsci1966.0011183X000600010011x
EVANGELISTA, J. S. P. C., et al. Soybean productivity, stability, and adaptability through mixed model methodology. Ciência Rural, Santa Maria, v. 51, n. 2, p. 1-7, 2021. https://doi.org/10.1590/0103-8478cr20200406
GAUCH, H.G. Model selection and validation for yield trials with interaction. Biometrics, p. 44, n. 3, p. 705–15, 1998. https://doi.org/10.2307/2531585
GELA, T., et al. Dissection of genotype-by-environment interaction and simultaneous selection for grain yield and stability in faba bean (Vicia faba L.). BioRxiv, p. 1-39, 2022. https://doi.org/10.1101/2022.09.08.507215
KATSENIOS, N., et al. Effect of genotype × environment interaction on yield of maize hybrids in Greece Using AMMI Analysis. Agronomy, v. 11, p. 1-11, 2021. https://doi.org/10.3390/agronomy11030479
KHAN, M.M.H., RAFII, M.Y. and RAMLEE, S.I. Hereditary analysis and genotype × environment interaction effects on growth and yield components of Bambara groundnut (Vigna subterranea (L.) Verdc.) over multi-environments. Scientific Reports, v. 12, p. 1-19, 2022. https://doi.org/10.1038/s41598-022-19003-z .
KOUKE, R.Y., et al. Genotype x Environment Interaction and stability analysis of agronomic performance in aromatic rice accessions in Benin. Journal of Applied Biosciences, v. 177, p. 18353-18363, 2022. https://doi.org/10.35759/JABs.177.1
MIRANDA, G. V., et al. Performance of corn hybrids at different sowing times in the second low-season crop in the extreme west of the State of Paraná. Brazilian Journal of Development, São José dos Pinhais, v.7, n. 4, p. 34794–34810, 2021. https://doi.org/10.34117/bjdv7n4-100
MUSHORIWA, H., et al. Grain yield potential and stability of soybean genotypes of different ages across diverse environments in Southern Africa. Agronomy, v. 12, p. 1147, 2022. https://doi.org/10.3390/ agronomy12051147
NEISSE, A.C.; KIRCH, J.L.; HONGYU, K. AMMI and GGE Biplot for genotype × environment interaction: a medoid–based hierarchical cluster analysis approach for high–dimensional data. Biometrical Letters, Warsaw, v. 55, n. 2, p. 97-121, 2018. https://doi.org/10.2478/bile-2018-0008
OLIVOTO, T.; LÚCIO, A.D. Metan: an R package for multi-environment trial analysis. Methods Ecol Evol, v. 11, p. 783-789, 2020. https://doi.org/10.1111/2041-210X.13384
OLIVOTO, T., et al. Mean performance and stability in multi‐environment trials i: combining features of AMMI and BLUP techniques. Agronomy Journal, v. 111, n. 6, p. 2949–60, 2019. https://doi.org/10.2134/agronj2019.03.0220
R CORE TEAM. A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria.R Core Team. 2021. Available from: https://www.R-project.org/ .
RESENDE, R.T., et al. Enviromics in breeding: applications and perspectives on envirotypic-assisted selection. Theor Appl Genet, v. 134, n. 1, p. 95-112, 2021. https://doi.org/10.1007/s00122-020-03684-z
RESENDE, M.D.V. SELEGEN-REML/BLUP. 1º ed. Editora Embrapa. 2007.
RESENDE, M.D.V. Métodos estatísticos ótimos na análise de experimentos de campo. 1º ed. Colombo: Embrapa Florestas. 2004.
SANTOS, P.R., et al. Análise baseada em GGE Biplot e REML/BLUP da estabilidade de produção e adaptabilidade para feijoeiro comum em ensaios multi-ambientai. Revista de Brasileira de Ciências Agrárias, Recife, n. 14, v. 2, p. 1-6, 2019. https://doi.org/10.5039/agraria.v14i2a5657
SOARES, M.O., et al. Parâmetros genéticos de uma população de milho em níveis contrastantes de nitrogênio. Revista Ciência Agronômica, Fortaleza, v. 42, p. 168-174, 2011. http://ccarevista.ufc.br/seer/index.php/ccarevista/article/view/929
YAN, W., et al. GGE Biplot vs. AMMI analysis of genotype-by-environment data. Crop Science, v. 47, n. 2, p. 641–53, 2007. https://doi.org/10.2135/cropsci2006.06.0374 .
