Genotype plus genotype by-environment interaction biplot and genetic diversity analyses on multi-environment trials data of yield and technological traits of cotton cultivars / Biplot de genótipo mais interação genótipo por ambiente e diversidade genética em dados de produtividade e qualidade de fibras em cultivares de algodão provenientes de ensaios multi-ambientes

Understanding the genetic diversity and overcoming genotype-by-environment interaction issues is an essential step in breeding programs that aims to improve the performance of desirable traits. This study estimated genetic diversity and applied genotype + genotype-by-environment (GGE) biplot analyses in cotton genotypes. Twelve genotypes were evaluated for fiber yield, fiber length, fiber strength, and micronaire. Estimation of variance components and genetic parameters was made through restricted maximum likelihood and the prediction of genotypic values was made through best linear unbiased prediction. The modified Tocher and principal component analysis (PCA) methods, were used to quantify genetic diversity among genotypes. GGE biplot was performed to find the best genotypes regarding adaptability and stability. The Tocher technique and PCA allowed for the formation of clusters of similar genotypes based on a multivariate framework. The GGE biplot indicated that the genotypes IMACV 690 and IMA08 WS were highly adaptable and stable for the main traits in cotton. The cross between the genotype IMACV 690 and IMA08 WS is the most recommended to increase the performance of the main traits in cotton crops.

Compreender a diversidade genética e contornar os problemas causados pela interação genótipos por ambientes é uma etapa importante em programas de melhoramento. Este estudo teve como objetivo estimar a diversidade genética e aplicar a metodologia de biplot genótipo + genótipo por ambiente (GGE biplot) em doze genótipos de algodão avaliados quanto ao rendimento da fibra, comprimento da fibra, resistência da fibra e micronaire. A estimativa dos componentes de variância e dos parâmetros genéticos foi feita através do método da máxima verossimilhança restrita e a predição dos valores genotípicos por meio da melhor predição linear não enviesada. Os métodos de Tocher modificado e análise de componentes principais (PCA) foram utilizados para quantificar a diversidade genética entre os genótipos. O método GGE biplot foi conduzido para encontrar os melhores genótipos em relação à adaptabilidade e estabilidade. As técnicas de Tocher e PCA permitiram a formação de clusters de genótipos semelhantes com base em uma estrutura multivariada. O GGE biplot indicou que os genótipos IMACV 690 e IMA08 WS foram altamente adaptáveis e estáveis para as principais características do algodão. O cruzamento dentre os genótipos IMACV 690 e IMA08 WS é o mais recomendado para aumentar o desempenho das principais características na cultura do algodão.

Soybean productivity, stability, and adaptability through mixed model methodology / Produtividade, estabilidade e adaptabilidade da soja por meio de metodologia de modelo misto

ABSTRACT: The genotype × environment (G×E) interaction plays an essential role in phenotypic expression and can lead to difficulties in genetic selection. Thus, the present study aimed to estimate genetic parameters and to compare different selection strategies in the context of mixed models for soybean breeding. For this, data referring to the evaluation of 30 genotypes in 10 environments, regarding the grain yield trait, were used. The variance components were estimated through restricted maximum likelihood (REML) and genotypic values were predicted through best linear unbiased prediction (BLUP). Significant effects of genotypes and G×E interaction were detected by the likelihood ratio test (LRT). Low genotypic correlation was obtained across environments, indicating complex G×E interaction. The selective accuracy was very high, indicating high reliability. Our results showed that the most productive soybean genotypes have high adaptability and stability.

RESUMO: A interação genótipo × ambiente (G × E) desempenha um papel essencial na expressão fenotípica e pode provocar dificuldades na seleção genética. Assim, o presente estudo teve como objetivo estimar parâmetros genéticos e comparar diferentes estratégias de seleção no contexto de modelos mistos para melhoramento da soja. Para isso, foram utilizados dados referentes à avaliação de 30 genótipos em dez ambientes, referentes à característica produtividade de grãos. Os componentes de variância foram estimados pela máxima verossimilhança restrita (REML) e os valores genotípicos foram preditos pela melhor previsão imparcial linear (BLUP). Efeitos significativos dos genótipos e interação G × E foram detectados pelo teste da razão de verossimilhança (LRT). Correlação genotípica baixa foi obtida entre os ambientes indicando interação G × E do tipo complexa. A acurácia seletiva foi muito alta, indicando alta confiabilidade. Os resultados mostraram que os genótipos de soja mais produtivos apresentam alta adaptabilidade e estabilidade.

Models for optimizing selection based on adaptability and stability of cotton genotypes / Modelos para otimizar a seleção baseada em adaptabilidade e estabilidade de genótipos de algodão

ABSTRACT: In multi-environment trials (MET), large networks are assessed for results improvement. However, genotype by environment interaction plays an important role in the selection of the most adaptable and stable genotypes in MET framework. In this study, we tested different residual variances and measure the selection gain of cotton genotypes accounting for adaptability and stability, simultaneously. Twelve genotypes of cotton were bred in 10 environments, and fiber length (FL), fiber strength (FS), micronaire (MIC), and fiber yield (FY) were determined. Model selection for different residual variance structures (homogeneous and heterogeneous) was tested using the Akaike Information Criterion (AIC) and Bayesian Information Criterion (BIC). The variance components were estimated through restricted maximum likelihood and genotypic values were predicted through best linear unbiased prediction. The harmonic mean of relative performance of genetic values (HMRPGV) were applied for simultaneous selection for adaptability, stability, and yield. According to BIC heterogeneous residual variance was the best model fit for FY, whereas homogeneous residual variance was the best model fit for FL, FS, and MIC traits. The selective accuracy was high, indicating reliability of the prediction. The HMRPGV was capable to select for stability, adaptability and yield simultaneously, with remarkable selection gain for each trait.

RESUMO: Em ensaios multi-ambientes, grandes redes experimentais são utilizadas para a avaliação de genótipos, tentando contornar o efeito que a interação genótipo por ambiente desempenha na seleção genotípica. Neste estudo, objetivamos testar diferentes estruturas de variância residual e medir o ganho de seleção de genótipos de algodão, baseados em produtividade, adaptabilidade e estabilidade, simultaneamente. Doze genótipos de algodão foram plantados em 10 ambientes, sendo determinados o comprimento da fibra (CF), a resistência da fibra (RF), a micronaire (MIC) e produtividade de fibras (PF). A seleção do modelo para diferentes estruturas de variância residual (homogênea e heterogênea) foi testada usando o Critério de Informação de Akaike (AIC) e o Critério de Informação Bayesiano (BIC). Os componentes de variância foram estimados através de máxima verossimilhança restrita e os valores genotípicos foram preditos através da melhor predição linear não viesada. A média harmônica do desempenho relativo dos valores genéticos (HMRPGV) foram aplicadas para seleção simultânea para adaptabilidade, estabilidade e produtividade. De acordo com o BIC, a estrutura residual heterogênea apresentou o melhor ajuste para a característica PF, enquanto a estrutura residual homogênea apresentou o melhor ajuste para as características CF, RF e MIC. A acurácia seletiva foi alta, indicando confiabilidade da predição. O método HMRPGV foi capaz de selecionar para estabilidade, adaptabilidade e produtividade, simultaneamente, com notável ganho de seleção para cada característica.