Application and statistical analysis of augmented block design in plant breeding. / Sobre o emprego e a análise estatística do delineamento em blocos aumentados no melhoramento genético vegetal.

AUTOR(ES)
DATA DE PUBLICAÇÃO

2000

RESUMO

A presente pesquisa propôs-se a investigar problemas de ordem estatístico-experimental relacionados à aplicação do delineamento de blocos aumentados, em programas de melhoramento genético vegetal. Nesses desenhos experimentais há duas categorias de tratamentos: as testemunhas (repetidas) e os tratamentos adicionais ou novos (normalmente não repetidos). As primeiras usualmente são cultivares comerciais já recomendados, e os outros, os novos materiais genéticos sob avaliação. Sua relação com os delineamentos de blocos em geral, princípios para a sua aplicação e análise estatística, bem como informações correlatas de outros temas aqui investigados (modelos mistos, componentes de variância e análise espacial de experimentos) foram objetos de revisão no Capítulo 1. O material que fundamentou este trabalho foi um conjunto de 41 ensaios de competição de linhagens de soja (genótipos), em gerações de autofecundação nunca inferiores a F5. Os ensaios, assim delineados, fazem parte do Programa de Melhoramento da Soja desenvolvido pelo Setor de Genética Aplicada às Espécies Autógamas, do Departamento de Genética da ESALQ/USP. Foram escolhidos, preferencialmente, os ensaios que dispunham de mapa de campo completo, o que possibilita associar cada observação à sua posição espacial na área do experimento. Entre os diversos caracteres avaliados, apenas os dados de produtividade de grãos (kg/ha) foram aqui considerados. Sabe-se que esses ensaios são conduzidos em etapas preliminares, quando as linhagens podem ser estatisticamente assumidas como de efeitos aleatórios, ou em fases intermediárias e finais, quando são preferencialmente tidas como de efeitos fixos. Logo, uma curiosidade inicial foi investigar, nos delineamentos em blocos, a influência destas suposições sobre as estimativas das médias genotípicas, bem como sobre o seu ordenamento para fins de seleção (Capítulo 2). O fato também abre a possibilidade de diferentes modelagens para a análise estatística dos dados desses experimentos, incluindo-se o modelo fixo e modelos mistos (análise intrablocos, análise com recuperação de informação interblocos e análises recuperando informação intergenotípica). A apresentação destas alternativas e suas implicações na seleção de genótipos constitui o objetivo principal do Capítulo 3. Acrescenta-se que, na abordagem de modelos mistos, uma etapa fundamental é a de estimação dos componentes de variância. Isto é passível de realização por meio de vários métodos estatísticos, cujos resultados, todavia, podem ser bastante conflitantes; sobretudo em caso de desbalanceamento. Dada a escassez de informações específicas e o fato de esses delineamentos serem naturalmente desbalanceados, avaliaram-se através de simulação em computador as propriedades dos principais estimadores disponíveis: ANOVA, MIVQUE(0), ML e REML (Capítulo 4). Outra característica marcante desses ensaios, particularmente nas etapas iniciais, é a adoção de parcelas de pequeno tamanho, haja vista a pouca disponibilidade de material de propagação. Isto, associado à costumeira alocação sistemática de testemunhas e/ou grupos de linhagens aparentadas, suscitou a avaliação de um procedimento de análise estatística que não ficasse sujeito à clássica suposição de independência espacial entre observações (Capítulo 5). Entre os resultados e conclusões obtidas pode-se destacar: i) a análise intrablocos (modelo fixo) pode fornecer ordenamentos inadequados das médias dos genótipos se estes forem de efeitos aleatórios e, sobretudo, se estiverem relacionados a diferentes populações de referência (Capítulo 2); ii) a classificação das novas linhagens em relação aos cultivares testemunhas pode mudar sensivelmente de um modelo de análise para outro, principalmente quando se passa da análise intrablocos para uma análise que recupera informação interlinhagens (Capítulo 3); iii) o método MIVQUE(0) comparativamente fornece estimativas de melhor qualidade para os componentes de variância, em particular se os genótipos vierem de população(ões) com baixa(s) variância(s) genotípica(s) e os experimentos forem relativamente pequenos (Capítulo 4); e, iv) em experimentos com observações correlacionadas espacialmente, a discriminação genotípica e o ordenamento dos genótipos para fins de seleção podem ser melhorados consideravelmente através da análise estatística espacial (Capítulo 5).

ASSUNTO(S)

plant breeding análise estatística genetic selection variabilidade espacial modelo matemático delineamento de experimento seleção genética soja mathematical model statistical analysis melhoramento genético vegetal spatial variability soybean design of experiment

ACESSO AO ARTIGO

Documentos Relacionados