RESUMEN
The goal of this work was to compare the effect of the accuracy and residual variance in genome wide selection using marker selection as well as using the effect of the indirect selection, using simulated and real data. In simulated data was used one sample with 200 individuals with 1,000 molecular markers in F2 population. The real data was obtained in maize with F2 population with 441 individuals and genotyping with 261 SSR markers. There was 11 traits evaluated (ear length, ear width, row number, kernels per row, 100-kernel weight, ear weight, grain yield, length of branch, number of branch, plant height and ear height). All data was analyzed using rrBLUP method and 10-fold cross-validation. In simulated and maize data the results were similar: the residual variance with few markers is lower than with the 1000 markers and the accuracy with few markers is bigger than with 1000 markers. For maize data multi trait selection, the accuracy increased when the correlation between traits is greater than 0.50 and residual variance decreased when the correlation is greater than 0.70. In this sense, these results showed that marker selection could be used as a first step in genome wide selection, improving the prediction and compute demand.
O objetivo deste trabalho foi comparar o efeito da precisão e da variância residual na seleção genômica ampla utilizando a seleção de marcadores, bem como utilizando o efeito da seleção indireta, utilizando dados simulados e reais. Foram usados simulados de uma amostra com 200 indivíduos com 1.000marcadores moleculares na população F2. Os dados reais foram obtidos em milho com população F2 com 441indivíduos e genotipagem com 261 marcadores SSR. Foram avaliados 11 caracteres (comprimento da espiga,largura da espiga, número da linha, grãos por linha, peso de 100 grãos, peso da espiga, produtividade de grãos, comprimento da espiga, número de espigas, altura da planta e altura da espiga). Todos os dados foram analisados usando o método rrBLUP, sendo realizada 10 vezes a validação cruzada. Em dados simulados e de milho, os resultados foram semelhantes: a variância residual com poucos marcadores é menor do que com os marcadores 1000 e a precisão com poucos marcadores é maior do que com os marcadores 1000. Para a seleção multi-característica dos dados do milho, a precisão aumentou quando a correlação entre as características é maior que 0,50 e a variância residual diminuiu quando a correlação é maior que 0,70. Nesse sentido, esses resultados mostraram que a seleção de marcadores poderia ser usada como um primeiro passo na seleção genômica ampla, melhorando a previsão e a demanda computacional.