Desarrollo de una progenie de genotipos artificiales de duraznero a través de la simulación de cruzamientos y predicción del comportamiento de caracteres fenotípicos

Abstract

El mejoramiento genético de cultivos es crucial para generar nuevas variedades con características diferenciales, como resistencia a enfermedades, mayor rendimiento y adaptabilidad ambiental. Una etapa clave en este proceso es el cruzamiento de genotipos para obtener una descendencia con una combinación de características deseables. Sin embargo, este procedimiento es largo y costoso, ya que implica el seguimiento y evaluación de la descendencia. En el caso del duraznero, el período juvenil es de 3 a 4 años, por lo cual se requieren más de tres años para poder comenzar a evaluar las nuevas cruzas obtenidas, lo cual produce aún más dificultades en general. Frente a esta situación la simulación de cruzamientos es una alternativa comparativamente rápida y económica que permite a los mejoradores generar una progenie artificial, sobre la cual se puede evaluar los resultados de un cruzamiento antes de realizarlo en la práctica. De esta manera, se puede ahorrar tiempo y recursos, seleccionando únicamente aquellos parentales que producirán los cruzamientos más favorables. En este trabajo se presenta la simulación de cruzamientos a partir de los datos de 13.584 variantes genéticas previamente obtenidas con el genotipado de 237 durazneros aplicando la metodología ddRAD-seq. A través de estas simulaciones, se busca predecir el comportamiento de caracteres fenotípicos en la progenie resultante e identificar los cruzamientos más relevantes. Las simulaciones fueron realizadas en el entorno de programación de R, usando los datos de los 237 genotipos de duraznero como posibles parentales. Con estos genotipos se simularon todos los cruzamientos posibles, incluyendo aquellos cruzamientos en los que ambos parentales presentan el mismo genotipo, para representar las autofecundaciones. Además, por cada cruzamiento simulado se obtuvo una progenie de 100 genotipos para cubrir el mayor espectro posible de descendientes. Para predecir el comportamiento de estos nuevos genotipos artificiales se utilizaron modelos de Random Forest previamente entrenados con datos de caracteres de vellosidad del fruto, color de pulpa, tipo de pulpa, fecha de floración y fecha de cosecha. Estos modelos fueron entrenados utilizando los datos de caracteres fenotípicos tomados en la colección de durazneros de la EEA San Pedro. Como resultado de esta serie de simulaciones se obtuvo un total de 2.820.300 genotipos artificiales, para los cuales se predijo el comportamiento de cada uno de los caracteres mencionados. A partir de estas predicciones es posible identificar aquellos genotipos artificiales que presentan las características de mayor interés y reconocer la combinación de parentales de la cual provienen. De esta manera es posible adelantarse y hacer una selección mas rigurosa de parentales a cruzar, ayudando a desarrollar un programa de mejoramiento genético de duraznero más eficiente.