UNIVERSIDADE FEDERAL DE VIÇOSA

PÓS GRADUAÇÃO EM GENETICA E MELHORAMENTO

Projeto de Pesquisa

AVALIAÇÃO DE ESQUEMAS DIALÉLICOS E DE METODOLOGIAS DE ANÁLISE

ESTATÍSTICA VIA REML/BLUP NO MELHORAMENTO VEGETAL.

Plano de atividades apresentado a

CAPES como parte dos requisitos para pedido de

bolsa de Doutorado PDEE

Orientador: Luiz Alexandre Peternelli

Co-Orientador (exterior): Salvador A. Gezan

Doutoranda: Melissa Pisaroglo de Carvalho

Viçosa

Fevereiro, 2010
1.INTRODUÇÃO
Os programas de melhoramento genético exigem alto custo de manutenção o que,
em alguns casos, pode levar à diminuição de tamanho ou até o seu completo término
(SUGARJOURNAL, 2009), logo há uma necessidade de constantes buscas de maior
eficiência e rapidez, dada a pressão para se aumentar a produtividade e a estabilidade
das espécies cultivadas (GURGEL, 2004).
O programa de desenvolvimento de novos cultivares de cana-de-açúcar é por
natureza essencialmente de longa duração, requer muito recurso, além de difícil
generalização. Apesar da eficiência de muitas novas técnicas ou metodologias
estatísticas poder ser avaliadas a partir de dados reais obtidos de experimentos de
campo, raramente é possível desenvolver vários experimentos abrangendo diversos
cenários práticos. Com as facilidades computacionais atuais, uma opção a essas
limitações inerentes os experimentos de campo é o emprego de simulação estocástica
que, além de demandar menos recurso e tempo, pode ser generalizada com mais
facilidade.
O emprego da simulação estocástica é importante para decidir as estratégias,
principalmente em relação aos níveis de cruzamentos e também em termos de seleção,
contribuindo para determinar a intensidade e o calendário de seleção.
Essa ferramenta computacional permite observar o comportamento global do
sistema simulado em suas diferentes maneiras e escolher a que apresenta melhor
desempenho. Possui, basicamente, dois objetivos: compreender o sistema existente e
prescrever recomendações que possam ser generalizadas para a maioria das situações.
Além de apresentar menor custo e maior rapidez, garante certeza da direção e sentido
das respostas (FERREIRA, 2001; WAGNER, 2002).
Embora a simulação já tenha contribuído em inúmeras situações (GEZAN et
al.,2006; PETERNELLI et al., 2009), ainda há várias áreas dentro do melhoramento
genético de plantas em que ela pode auxiliar na tomada de decisões. Nesse projeto, para
otimização do programa de melhoramento em cana-de-açúcar, algumas técnicas
estatísticas podem ser desenvolvidas, com o auxílio da simulação, dentre elas a técnica
de modelos mistos (BLUPI VS BLUPIS) para seleção entre e dentro de famílias de cana,
e a análise dialélica para a seleção das melhores famílias.

2. OBJETIVO
O objetivo desse trabalho é através do uso da simulação resolver problemas que
vem surgindo no programa de melhoramento de cana-de-açúcar, minimizando tempo e
podendo extrapolar essas metodologias para outros programas. Através da comparação
duas técnicas de modelos mistos (BLUPI VS BLUPIS). Avaliar os esquemas dialélicos
2
para a seleção de famílias visando a seleção de clones e identificação dos melhores
esquemas de analise dialélica para o programa de melhoramento da cana-de-açúcar.

3. JUSTIFICATIVA
A Universidade Federal de Viçosa conta com um programa de melhoramento
genético da cana-de-açúcar-PMGCA coordenado pelo professor Dr. Márcio Henrique
Pereira Barbosa, onde o Professor Dr. Luiz Alexandre Peternelli é membro da equipe. O
PMGCA faz parte da Rede Interuniversitária para Desenvolvimento do Setor
Sucroalcooleiro – RIDESA, tendo sua equipe formada por técnicos, engenheiros
agrônomos, professores da UFV, alunos de graduação, alunos de mestrado e doutorado.
Por meio de técnicas convencionais de melhoramento, várias cultivares de cana-de-
açúcar de ampla relevância entre os produtores já foram lançadas pelo programa. Um
exemplo poderá ser encontrado em Brasilia durante o mês de março do ano corrente,
onde 13 cultivares do grupo RIDESA serão lançadas.
A execução deste projeto que contará com a colaboração do Dr Salvador A.
Gezan PhD, reconhecido na comunidade científica pela sua experiência em genética
quantitativa, modelos mistos e bioinformática, será oportuna e necessária. Essa iniciativa
contribuirá para uma interação entre os grupos de pesquisa envolvidos e, sobretudo, para
a qualificação de recursos brasileiros, abrindo novas linhas de pesquisa para a criação de
projetos de pesquisa e extensão envolvendo as comunidades científicas do exterior e
local.
A presente proposta tem todos os elementos para ser bem sucedida. Além da
infraestrutura que será disponibilizada na instituição de destino haverá a abertura de uma
parceria entre as duas instituições. Com a abertura dessa parceria novos alunos também
poderão ingressar na instituição de destino, professores e pesquisadores da instituição
poderão interagir com a Universidade Federal de Viçosa e o Programa de Pós Graduação
em Genética e Melhoramento Vegetal através da vinda desses profissionais para ministrar
palestras, cursos, além de contribuir em eventos organizados pelo Programa de Pós
Graduação. Também devemos considerar a participação e grande contribuição desses
profissionais em bancas de tese ou dissertação e em co-orientações, o que aprimoraria o
estudo e o conhecimento dos alunos do programa.
O desenvolvimento deste trabalho na instituição IFAS Statistics resultará em
publicações de artigos em revistas com excelente qualidade pelo qualis CAPES,
resultando em uma maior inserção do Programa de Pós Graduação em Genética e
Melhoramento da Universidade Federal de Viçosa.
O trabalho a ser desenvolvido pela doutoranda Melissa Pisaroglo de Carvalho será
importante não só para o entendimento dos mecanismos quantitativos que envolvem
3
analise dialélica e modelos mistos, mas também para o desenvolvimento de novas
estratégias de análise de dados com a utilização e treinamento de softwares ainda
desconhecidos pelo programa de melhoramento vegetal da cana-de-açúcar como
ASREML (software muito utilizado nos programas de melhoramento genético na
Universidade da Flórida, para análise de modelos mistos com BLUP e genética
quantitativa) e o CycDesigN (software especificamente planejado para delineamentos
experimentais). O aprendizado e uso desses softwares contribuirão para garantir ainda
mais o sucesso na obtenção de cultivares mais produtivas e adaptadas as condições
brasileiras de cultivo, através da associação de técnicas quantitativas às estratégias de
melhoramento.
Todas as etapas desse projeto serão conduzidas sob a co-orientação e supervisão
do Dr. Salvador A. Gezan, utilizando as instalações, infraestrutura e materiais de consumo
do “Institute of Food and Agricultural Sciences, University of Florida”.

4. METODOLOGIA
A metodologia a ser desenvolvida na IFAS Statistics será dividida em duas partes:
metodologias que envolvem análises estatística via REML/BLUP e a avaliação de
esquemas dialélicos.

4.1. METODOLOGIA PARA DESENVOLVIMENTO DA TÉCNICA DE MODELOS

MISTOS ATRAVÉS DE BLUPIS (BLUP INDIVIDUAL SIMULADO) VS BLUPI.
Um modelo misto pode ser expresso na forma geral (Henderson, 1984, citado por
RESENDE, 2002).
y = Xβ + Zg + e
em que: y: vetor (n×1) de observações; X: matriz (n×p) de incidência dos efeitos fixos; Z:
matriz (n×q) de incidência dos efeitos aleatórios (genéticos ou ambientais); β: vetor (p×1)
de efeitos fixos a serem estimados; g: vetor (g×1) de efeitos aleatórios a serem preditos; e
e: vetor de erros aleatórios associados a cada observação.
Dependendo do modelo a ser utilizado podemos definir diferentes partições das
matrizes apresentadas no modelo misto geral acima.
O uso da metodologia de modelos mistos, para predição de valores genéticos,
requer inicialmente o conhecimento dos componentes de variância associadas a G e R
(matrizes obtidas através da análise do modelo). Geralmente, estes são desconhecidos, e
as predições não serão mais necessariamente as melhores, mas uma aproximação.
Assim, uma determinação segura das estimativas dos componentes da variância é
fundamental para o aprimoramento do processo de estimação, como o de predição,

4
podendo resultar em alterações nas estimativas dos efeitos fixos (Best Linear Unbiased
Estimation - BLUE), bem como nas predições dos efeitos aleatórios (Best Linear Unbiased
Prediction - BLUP). Principalmente para o caso de dados desbalanceados é comum a
estimação dos componentes de variâncias usando o método REML (restricted maximum
likelihood) (RESENDE, 2002).
A informação de parentesco baseada no coeficiente de parentesco de Malecot
(KEMPTHORNE, 1973) poderá ser usada nas análises, das seguintes maneiras: i) sem
informação de parentesco; ii) informação completa de parentesco, até ancestrais mais
remotos; iii) informações de parentesco relativo a uma ou duas gerações ascendentes.
Dessa forma poderá ser avaliado se a informação de parentesco, quando ausente,
completa, ou incompleta, poderá influenciar na avaliação e identificação das famílias
geneticamente superiores, em fase inicial de seleção, dentro do programa de
melhoramento.
Os procedimentos para seleção entre e dentro de famílias, bem como alguns
detalhes para as análises de dados, serão os seguintes: As equações de modelo misto
(RESENDE 2002) serão utilizadas para calcular os valores genéticos de cada família e os
valores genéticos de cada indivíduo dentro de família, definindo os procedimentos
BLUPIS e BLUPI, respectivamente.
É importante para o entendimento da metodologia a ser executada, conceituar
BLUPI e BLUPIS. BLUP individual significa considerar as informações do individuo entre e
dentro da família em experimentos de campo e o método BLUPIS (Blup Individual
Simulado) foi descrito por Resende e Barbosa (2006), consiste em determinar de forma
dinâmica o número de indivíduos a serem selecionados em cada família, sem que haja
avaliação individual destes. BLUPIS é um melhoramento de seleção amplamente adotado
na Austrália e Estados Unidos (RESENDE, 2007).
A expressão que determina o número n k de indivíduos a serem selecionados em

cada família k é dado por: n k = ( gˆ k / gˆ j ) n j , em que: ĝ j refere-se ao efeito genotípico da

melhor família; ĝ k refere-se ao efeito genotípico da k-ésima família; e, n j equivale ao

número de indivíduos selecionados na melhor família. A princípio serão testados alguns

valores de indivíduos selecionados por família, com o intuito de obter a melhor
performance do método BLUPIS em comparação ao BLUPI.
Este método originalmente elimina automaticamente as famílias com efeito
genotípico negativo, ou seja, aquelas abaixo da média geral do experimento.
Para a obtenção do número de indivíduos a ser selecionado de cada parcela r é
(u + gˆ k + gˆ parcr )
utilizada a expressão: × nk , em que: ĝ parcr é o efeito genotípico de
∑ (u + gˆ k + gˆ parcr )
5
cada parcela de cada família; e, ∑ (u + gˆ k + gˆ parcr ) refere-se ao somatório dos valores

genotípicos (u + gˆ k + gˆ parc r ) de todas as parcelas da família k.

Serão definidos diferentes cenários de simulação, variando os valores dos

parâmetros usados nas simulações. Os valores paramétricos de referência serão
estabelecidos para, posteriormente, gerar os dados simulados. Dentre os parâmetros de
interesse podem ser citados: coeficientes de variação experimental e genético,
herdabilidades, médias, coeficiente de parentesco, além dos valores genotípicos dos
indivíduos e das famílias propriamente. Para cada cenário definido pretende-se gerar pelo
menos 1000 simulações.
É importante enfatizar que experimentos de seleção de famílias ainda não estão
bem padronizados no Programa de Melhoramento Genético de Cana-de-açúcar da UFV.
Portanto os modelos de simulação poderão variar para tentar abordar diferentes possíveis
layouts.
Para comparação entre os procedimentos de seleção BLUPI e BLUPIS, segundo
os diferentes enfoques para análise dos modelos mistos, serão utilizadas análises de
regressão considerando o seguinte modelo:
y = β 0 + β1x + e,

em que, β 0 é o intercepto no eixo do y e β1 é o coeficiente de regressão linear. No eixo

das ordenadas e abcissas serão apresentados, respectivamente, os números de

indivíduos selecionados pelos procedimentos BLUPI e BLUPIS, para cada família
avaliada.
Para o desenvolvimento desta metodologia serão utilizados os softwares
estatísticos ASREML (Gilmour et al.,2006) e R (R Development Core Team, 2009) .

4.2. METODOLOGIA PARA DESENVOLVIMENTO DAS AVALIAÇÕES DE ESQUEMAS

DIALÉLICOS
Serão utilizados dois esquemas dialélicos: o dialelo completo e o circulante.
Primeiramente será simulado o dialelo completo. A simulação será realizada através da
definição dos parâmetros genéticos dos componentes de variância, incorporando e não
incorporando a epistasia. Os valores genotípicos serão obtidos através da aleatorização
da distribuição dos locos, obtendo linhagens com no mínimo dois locos. Os valores
fenotípicos serão obtidos através da atribuição dos erros aleatórios aos valores
genotípicos.
Os erros aleatórios serão atribuídos conforme os diferentes valores de
herdabilidade que serão estipulados, através da fórmula:

6
Em que h2 serão os diferentes valores de herdabilidade; σ²G é o componente de variância
genético; σ²e é o componente de variância residual e r é o número de repetições
Considerando que os erros seguem distribuição normal com média zero e
variância residual.
Obtendo os valores fenotípicos será feita a análise de variância com base no
método IV de Griffing (1956) onde será estimada a capacidade geral e especifica de
combinação no esquema dialelo completo.
Para cada um dialelo completo serão simulados todos os dialelos circulantes
possíveis. Para a análise dialélica será usado as médias dos pais e das famílias
correspondentes pelo método dos mínimos quadrados conforme apresentado por Cruz e
Regazzi (2001) e serão estimados a capacidade geral e especifica de combinação.
A comparação entre os esquemas dialélicos será através do estudo entre a
variabilidade da capacidade geral de combinação e a variabilidade da capacidade
especifica de combinação, obtendo valores mínimos, máximos e desvio padrão.

5. CRONOGRAMA
2010

Atividades Ago Set Out Nov Dez

Ida aos EUA X

Aprendizado, utilização e conhecimento dos softwares; X X X X

desenvolvimento dos protocolos de análise e de
simulação

Estudo sobre os parâmetros necessários para o X X

desenvolvimento das simulações na avaliação do
esquema dialélico

Avaliação dos esquemas dialélicos X

Apresentação de seminário sobre o trabalho realizado até X

o presente momento para integrantes da Universidade da
Flórida

Revisão de Literatura X X X X X

7
 2011

Atividades Jan Fev Mar Abr Mai Jun Jul Ago Set

Estimação dos parâmetros X X

necessário para simulação para
analise de modelos mistos

Analise de modelos mistos X X

REML/BLUP

Apresentação dos resultados em X

forma de trabalho em Conferências
Internacionais

Revisão de Literatura X X X X X X X X X

Elaboração e envio de Artigos X X X

Científicos

Retorno ao Brasil X

Elaboração de relatório das X X

atividades no exterior

Outras análises que compõem a X

tese

2011 2012

Atividades Out Nov Dez Jan Fev

Revisão de literatura X X X X X

Outras análises que compõem a tese X

Desenvolvimento da tese (parte escrita) X X

Conclusão da tese X

Apresentação do seminário com os resultados da tese X

Defesa X

6. PLANO DE ATIVIDADES NO EXTERIOR

O presente trabalho será realizado no período de primeiro de agosto de 2010 a 30
de julho de 2011, no Institute of Food and Agricultural Sciences (IFAS Statistics), na
Universidade da Flórida, a qual dispõe de instalações, infraestrutura e materiais de
consumo necessários à execução do presente trabalho.
8
 Os dados para a realização das análises serão conforme a compreensão dos
processos reais utilizadas no Brasil, mas o conhecimento dos principais parâmetros
genéticos dos ensaios realizados na Universidade da Flórida é fundamental para gerar
cenários realistas para simulações e obtermos novas metodologias para aplicação no
melhoramento genético no Brasil.
O IFAS Statistic possui softwares avançados, como ASREML (Gilmour et al.,2006)
ainda não conhecido e utilizado no Programa de Melhoramento Genético da UFV. A
disponibilidade e o aprendizado desse software para o desenvolvimento desse projeto
será de grande valia, pois esse possui a capacidade de analisar um conjunto de dados
grande, realizando analises mais complexas e, sua grande contribuição será com relação
à análise de dados desbalanceados, o que além de sua importância também será útil para
realizar simulações. A utilização desse software permitirá a Melissa investigar e
compreender diversos fatores relevantes no melhoramento, levando a identificação de
melhores metodologias de analise de dados, resultando na eficiente indicação de
cultivares superiores. Além disso, terá disponibilidade de acesso a biblioteca, a artigos
científicos e a livros de ponta dentro do tema desse projeto.
O IFAS Statistics também disponibiliza de outros softwares como o CycDesigN
entre outros que estarão disponíveis para uso nesse projeto e no desenvolvimento de
artigos científicos. Além disso, Melissa terá livre acesso com outros professores e
pesquisadores da Universidade da Flórida, para melhorar caso necessário a qualidade de
seu trabalho.
Terá a oportunidade de realizar trabalhos científicos para a apresentação em
encontro e conferências internacionais, divulgando seu trabalho e o Programa de Pós
Graduação em Genética e Melhoramento Vegetal da Universidade Federal de Viçosa,
Brasil.
Para o desenvolvimento de todo o cronograma desse projeto, além da
infraestrutura já mencionada, Melissa irá dispor do conhecimento e da experiência do Dr.
Salvador A. Gezan, que desenvolve pesquisa a alguns anos nessa área e será de grande
valia para o desenvolvimento desse projeto e da sua tese.
Através desse estágio no exterior, Melissa irá aprender novas metodologias de
simulação através do desenvolvimento desse projeto, podendo maximizar os ganhos nos
programas de melhoramento no Brasil.

9
7.REFERÊNCIA BIBLIOGRÁFICA

CRUZ, C. D.; REGAZZI, A. J. Modelos biométricos aplicados ao melhoramento

genético. Viçosa, 2ª Ed. MG: UFV, Imprensa Universitária, 2001. 390p.
FERREIRA, D.F. Uso de simulação no melhoramento. In: NASS, L.L.; VALOIS, A.C.C.;
MELO,I.S. de; VALADARES-INGLIS, M.C (Ed). Recursos genéticos e melhoramento
de plantas. Rondonópolis: Fundação – MT, p.1119-1141, 2001.
GEZAN, S.A., White, T.L. and Huber, D.A. 2006. Comparison of experimental designs for
clonal forestry using simulated data. Forest Science. v.52, p.108-116.
GILMOUR, A.R. et al. ASReml. User guide. VSN INTERNACIONAL Ltd, HEMEL
HEMPSTEAD, 2006.
GRIFFING, B. Concept of general and specific combining ability in relation to diallel
crossing systems. Australian Journal of Biological Sciences, v.9, p.463-493, 1956.
GURGEL, F.L. Simulação computacional no melhoramento genético de plantas.
(Doutorado em Genética e Melhoramento de Plantas). Universidade Federal de Lavras,
Lavras, MG, 2004.
KEMPTHORNE, O. An introduction to genetic statistics. 2nd ed. The Iowa State
University Press. Ames, Iowa, USA. 1973. 545p.
MACHADO Jr, G. R. Programas de Desenvolvimento de Variedades de Cana-de-Açúcar:
Uma cara aventura que se paga. SugarJournal, 2009. Disponível em:
www.SugarJournal.com. Acesso em: 10 fev. 2010.
R Development Core Team (2009). R: A language and environment for statistical
computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0,
URL. Disponível em: http://www.R-project.org.
RESENDE, M.D.V. Genética biométrica e estatística no melhoramento de plantas
perenes. Embrapa Informação Tecnológica : Brasília, 2002. 975p.
RESENDE, M. D. V.; BARBOSA, M. H. P. Selection via simulated Blup base on family
genotypic effects in sugarcane. Pesquisa Agropecuária Brasileira: Brasília, v.41, n.3,
p.421-429, 2006.
RESENDE, M. D. V. Matemática e Estatística na Análise de Experimentos. Embrapa
Florestas: Colombo, 2007. 362p.
WAGNER, F.R. Topicos Especiais III – Simulação. Disponiveis em:
http://www.inf.ufrgs.br/~flavio. Acesso em: 10 fev. 2010.

10