Correo Electrónico
DNINFOA - SIA
Bibliotecas
Convocatorias
Identidad U.N.
Published
Application of the BLUPe predictor in the selection of potential soybean varieties for Orinoquia
Aplicación del predictor BLUPe en la selección de variedades potenciales de soya para la Orinoquía
DOI:
https://doi.org/10.15446/agron.colomb.v40n2.101137Keywords:
Altillanura, genetic breeding, mixed models, REML (en)Altillanura, mejoramiento genético, modelos mixtos, REML (es)
Downloads
The Colombian Orinoquía and the Altillanura subregion show comparative and competitive advantages for soybean production (edaphoclimatic conditions, cost-benefit ratio, potential area, and location), essential food with a high protein content (~37%) and used mostly for poultry and pig nutrition. However, this immense region has scarce varietal alternatives of high grain yield and quality that are adapted to its climatic and edaphic conditions. The current research is based on the selection of superior lines or potential varieties with high genetic merit using the restricted maximum likelihood/standardized best linear unbiased predictor (REML/BLUPe) procedure. Sixty advanced lines and four commercial varieties were tested in an 8x8 alpha lattice design. Grain yield (GY) oscillated between 1,117 and 4,431 kg ha-1, the population average yield was 2,682 kg ha-1, and BLUPe predictors ranged between 5.37 and -3.71. With a t-test at a significance of 5% (1.67) and a predictor comparator of (t1-t2)≥1.67 (√2), six outstanding lines were identified with superior BLUPe values compared to the mean (P<0.05) and GY>3,500 kg ha-1. In descending order (kg ha-1), the GY was: L-041 (4,431), L-019 (4,326), L-104 (3,923), L-149 (3,832), L-202 (3,536), and L-201 (3,519 kg ha-1). The BLUPe standardized predictor allowed an effective selection (92%) of lines.
La Orinoquía colombiana y en particular, la subregión de la Altillanura presenta ventajas comparativas y competitivas para la producción de soya (condiciones edafoclimáticas, relación costo-beneficio, área potencial y ubicación), alimento esencial por su contenido proteico (~37%), especialmente para aves y cerdos. Sin embargo, las alternativas varietales adaptadas y de alto rendimiento de grano son escasas para esta vasta región. Por ello, la presente investigación fue orientada hacia la selección de líneas mejoradas o variedades potenciales con alto mérito genético mediante la aplicación del mejor predictor lineal insesgado estandarizado (REML/BLUPe). Se evaluaron 60 líneas avanzadas y cuatro variedades comerciales en un diseño Alfa látice 8x8. El rendimiento de grano (RG) osciló entre 1117 y 4431 kg ha-1, el promedio poblacional fue de 2682 kg ha-1 y los predictores BLUPe oscilaron entre 5.37 y -3.71. Con una significancia t del 5% (1.67) y un comparador de predictores (t1-t2)≥1.67 (√2), se identificaron 6 líneas sobresalientes con BLUPe superiores a la media (P<0.05) y RG>3500 kg ha-1. En orden descendente el RG fue: L-041 (4431), L-019 (4326), L-104 (3923), L-149 (3832), L-202 (3536) y L-201 (3519 kg ha-1). El predictor estandarizado BLUPe permitió una selección efectiva (92%) de líneas.
References
Allen, F. E., Comstock, R. E., & Rasmusson, D. C. (1978). Optimal environments for yield testing. Crop Science, 18(5), 747–751. https://doi.org/10.2135/cropsci1978.0011183X001800050013x DOI: https://doi.org/10.2135/cropsci1978.0011183X001800050013x
Allen, R. G., Pereira, L. S., Raes, D., & Smith, M. (2006). Evapotranspiración del cultivo: guías para la determinación de los requerimientos de agua de los cultivos. In FAO, Estudio FAO Riego y Drenaje (pp. 298). FAO. http://documentacion.ideam.gov.co/openbiblio/bvirtual/021367/Evapotranspiraciondelcultivo.pdf
Almansa, E. F. M. (2006). Manejo de recurso hídrico para el cultivo de la soya en la Orinoquía Colombiana (No. Doc. 21393). http://hdl.handle.net/20.500.12324/1661
Bandera-Fernández, E., & Pérez-Pelea, L. (2018). Los modelos lineales generalizados mixtos. Su aplicación en el mejoramiento de plantas. Cultivos Tropicales, 39(1),127–133.
Baselga, M., & Blasco, A. (2008). El BLUP y los métodos bayesianos. Aplicación a la mejora genética vegetal. In Junta de Andalucía (Ed.), La adaptación al ambiente y los estreses abióticos en la mejora vegetal (pp. 55–81). Lumen Gráfica. https://www.juntadeandalucia.es/export/drupaljda/la%20adaptaci%C3%B3n_baja.pdf
Biasutti, C. A., & Balzarini, M. 2012. Estimación del comportamiento de híbridos de maíz mediante modelos mixtos. Agriscientia, 29(2), 59–68. DOI: https://doi.org/10.31047/1668.298x.v29.n2.3884
Bueno Filho, J. S. S., & Vencovsky, R. (2000). Alternativas de análise de ensaios em látice no melhoramento vegetal. Pesquisa Agropecuária Brasileira, 35(2), 259–296. https://doi.org/10.1590/S0100-204X2000000200004 DOI: https://doi.org/10.1590/S0100-204X2000000200004
Carvajal, C., Márquez, M., Gutiérrez, B., González-Vera, A., Arellano, J., & Ávila, M. (2017). Aspectos de fisiología, deterioro y calidad en semilla de soya. Revista Alcance, 73, 76–92.
Casanoves, F., & Balzarini, M. G. (2002). Predictores lineales insesgados (BLUP) en ensayos comparativos de rendimiento. Journal of Basic & Applied Genetics,14(3), 55–62.
Ceccarelli, S. (1989). Wide adaptation: How wide? Euphytica, 40, 197–205. https://doi.org/10.1007/BF00024512 DOI: https://doi.org/10.1007/BF00024512
Cruz Valderrama, J. R. (2015). Manejo eficiente del riego en el cultivo de la caña de azúcar en el valle geográfico del río Cauca (No. 631.7 C955m). Centro de Investigación de la Caña de Azúcar de Colombia (CENICAÑA).
DNP (Departamento Nacional de Planeación). (2014). Documento CONPES No. 3797. Política para el desarrollo integral de la Orinoquía: Altillanura – Fase I. Bogotá, D.C. Departamento Nacional de Planeación. https://ceo.uniandes.edu.co/images/Documentos/Conpes%20Altillanura%202014.pdf
Falconer, D. S. (1981). Introducción a la genética cuantitativa. Compañía Editorial Continental, SA. https://www.iberlibro.com/buscar-libro/titulo/introduccion-genetica-cuantitativa/autor/falconer/
FAO. (2000). Manual de captación y aprovechimiento del agua de lluvia, experiencias en América Latina (Serie: Zonas Áridas y Semiáridas No. 13). Organización de las Naciones Unidas para la Agricultura y la Alimentación - FAO, Oficina Regional para América Latina y el Caribe. https://www.fao.org/3/ai128s/ai128s00.pdf
Fehr, W. R., & Caviness, C. E. (1977). Stages of soybean development. Cooperative Extension Service, Agriculture and Home Economics Experiment Station. https://dr.lib.iastate.edu/handle/20.500.12876/90239
FENALCE. (2021). Indicadores cerealistas 2020. Federación Nacional de Cultivadores de Cereales, Leguminosas y Soya. https://fenalce.co/estadisticas
Giménez, L. (2014). Efecto de las deficiencias hídricas en diferentes etapas de desarrollo sobre el rendimiento de soja. Agrociencia Uruguay, 18(1), 53–64.
Hacker, J. B., & Cuany, R. L. (1997). Genetic variation in seed production and its components in four cultivars of the pasture grass Setaria sphacelata. Euphytica, 93(3), 271–282. https://doi.org/10.1023/A:1002932432121 DOI: https://doi.org/10.1023/A:1002932432121
Kantolic, A. G., Giménez, P. I., & Fuente, E. B. (2004). Ciclo ontogénico, dinámica del desarrollo y generación del rendimiento y la calidad en soja. In E. H. Satorre, R. L. Benech Arnold, G. A. Slafer, E. B. Fuente, D. J. Miralles, M. E. Otegui, & R. Savin (Eds.), Producción de granos: Bases funcionales para su manejo (pp. 167–201). Editorial Facultad de Agronomía.
Milla-Lewis, S. R., & Isleib, T. G. (2005). Best linear unbiased prediction of breeding values for Tomato Spotted Wilt Virus (TSWV) incidence in Virginia-type peanuts. Peanut Science, 32(1), 57–67. https://doi.org/10.3146/0095-3679(2005)32[57:BLUPOB]2.0.CO;2 DOI: https://doi.org/10.3146/0095-3679(2005)32[57:BLUPOB]2.0.CO;2
Mora, F., & Arnhold, E. (2006). Inferencia Bayesiana y metodología de modelos lineales mixtos aplicados al mejoramiento del maíz. Ciencia e Investigación Agraria, 33(3), 185–190. https://doi.org/10.7764/rcia.v33i3.348 DOI: https://doi.org/10.7764/rcia.v33i3.348
Pacheco, J. E., Urquijo, J. S., Darghan, A. E., & Rodríguez, L. E. (2020). BLUP (Best Linear Unbiased Predictors) analysis for the selection of superior yellow diploid potato genotypes (Solanum tuberosum Group Phureja). Revista Colombiana de Ciencias Hortícolas, 14(1), 125–134. https://doi.org/10.17584/rcch.2020v14i1.8138 DOI: https://doi.org/10.17584/rcch.2020v14i1.8138
Panter, D. M., & Allen, F. L. (1995). Using best linear unbiased predictions to enhance breeding for yield in soybean: I. Choosing parents. Crop Science, 35(2), 397–405. https://doi.org/10.2135/cropsci1995.0011183X003500020020x DOI: https://doi.org/10.2135/cropsci1995.0011183X003500020020x
Patterson, H. D., & Thompson, R. (1971). Recovery of inter-block information when block sizes are unequal. Biometrika, 58(3), 545–554. https://doi.org/10.1093/biomet/58.3.545 DOI: https://doi.org/10.1093/biomet/58.3.545
Patterson, H. D., & Williams, E. R. (1976). A new class of resolvable incomplete block designs. Biometrika, 63(1), 83–92. https://doi.org/10.1093/biomet/63.1.83 DOI: https://doi.org/10.1093/biomet/63.1.83
Piepho, H. P., & Möhring, J. (2006). Selection in cultivar trials – Is it ignorable? Crop Science, 46(1), 192–201. https://doi.org/10.2135/cropsci2005.04-0038 DOI: https://doi.org/10.2135/cropsci2005.04-0038
Piepho, H. P., Möhring, J., Melchinger, A. E., & Büchse, A. (2008). BLUP for phenotypic selection in plant breeding and variety testing. Euphytica, 161, 209–228. https://doi.org/10.1007/s10681-007-9449-8 DOI: https://doi.org/10.1007/s10681-007-9449-8
Resende, M. D. V. (2007). Matemática e estatística na análise de experimentos e no melhoramento genético. Embrapa Florestas, Colombo.
Resende, M. D. V., & Duarte, J. B. (2007). Precisão e controle de qualidade em experimentos de avaliação de cultivares. Pesquisa Agropecuária Tropical, Goiânia, 37(3), 182–194.
Resende, M. D. V. (2016). Software Selegen-REML/BLUP: a useful tool for plant breeding. Crop Breeding and Applied Biotechnology,16(4), 330–339. https://doi.org/10.1590/1984-70332016v16n4a49 DOI: https://doi.org/10.1590/1984-70332016v16n4a49
Robinson, G. K. (1991). That BLUP is a good thing: the estimation of random effects. Statistical Science, 6(1), 15–32. https://doi.org/10.1214/ss/1177011926 DOI: https://doi.org/10.1214/ss/1177011926
SAS Institute. (2014). SAS 9.4 Output delivery system: Procedure guide (3th ed.). SAS Institute. https://go.documentation.sas.com/doc/en/pgmsascdc/9.4_3.4/odsproc/titlepage.htm
Sawchik, J., Gaso, D., & Núñez, A. (2013). Soja: algunos aspectos a considerar para el logro de altos rendimientos. Revista INIA, 34, 34–37.
Searle, S. R., Cassella, G., & McCullouch, C. E. (1992). Variance components. John Wiley & Sons. https://doi.org/10.1002/9780470316856 DOI: https://doi.org/10.1002/9780470316856
Singh, P., & Bhatia, D. (2017). Incomplete block designs for plant breeding experiments. Agricultural Research Journal, 54(4), Article 607. http://doi.org/10.5958/2395-146X.2017.00119.3 DOI: https://doi.org/10.5958/2395-146X.2017.00119.3
Souza, V. A. B., Byrne, D. H., & Taylor, J. F. (2000). Predicted breeding values for nine plant and fruit characteristics of 28 peach genotypes. Journal of the American Society for Horticultural Science, 125(4), 460–465. http://doi.org/10.21273/JASHS.125.4.460 DOI: https://doi.org/10.21273/JASHS.125.4.460
Sturion, J. A., & Resende, M. D. V. (2010). Avaliação genética e análise de deviance em um teste desbalanceado de procedência e progênie de Ilex paraguariensis. Pesquisa Florestal Brasileira, 30(62), 157–160. https://doi.org/10.4336/2010.pfb.30.62.157 DOI: https://doi.org/10.4336/2010.pfb.30.62.157
Vásquez, A. C., Bustamante, C. Z., Buitrago, A., Baptiste, B., & Echeverri, J. (2019). El gran libro de la Orinoquía colombiana. Instituto de Investigación de Recursos Biológicos Alexander von Humboldt & GIZ. http://hdl.handle.net/20.500.11761/35408
Volpato, L., Alves, R. S., Teodoro, P. E., Resende, M. D. V., Nascimento, M., Nascimento, A. C. C., Ludke, W. H., Silva, F. L., & Borém, A. (2019). Multi-trait multi-environment models in the genetic selection of segregating soybean progeny. PLoS ONE, 14(4), Article e0215315. https://doi.org/10.1371/journal.pone.0215315 DOI: https://doi.org/10.1371/journal.pone.0215315
Yan, W., & Rajcan, I. (2002). Biplot analysis of test sites and trait relations of soybean in Ontario. Crop Science, 42(1), 11–20. https://doi.org/10.2135/cropsci2002.1100 DOI: https://doi.org/10.2135/cropsci2002.1100
Yan, W., Hunt, L. A., Johnson, P., Stewart, G., & Lu, X. (2002). On‐farm strip trials vs. replicated performance trials for cultivar evaluation. Crop Science, 42(2), 385–392. https://doi.org/10.2135/cropsci2002.3850 DOI: https://doi.org/10.2135/cropsci2002.3850
How to Cite
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Download Citation
License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
© Centro Editorial de la Facultad de Ciencias Agrarias, Universidad Nacional de Colombia
Reproduction and quotation of material appearing in the journal is authorized provided the following are explicitly indicated: journal name, author(s) name, year, volume, issue and pages of the source. The ideas and observations recorded by the authors are their own and do not necessarily represent the views and policies of the Universidad Nacional de Colombia. Mention of products or commercial firms in the journal does not constitute a recommendation or endorsement on the part of the Universidad Nacional de Colombia; furthermore, the use of such products should comply with the product label recommendations.
The Creative Commons license used by Agronomia Colombiana journal is: Attribution - NonCommercial - ShareAlike (by-nc-sa)
Agronomia Colombiana by Centro Editorial of Facultad de Ciencias Agrarias, Universidad Nacional de Colombia is licensed under a Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional License.
Creado a partir de la obra en http://revistas.unal.edu.co/index.php/agrocol/.
