Comparación entre selección genómica y selección fenómica en el mejoramiento de Eucalyptus grandis

Abstract

Introducción: La Selección Genómica (SG) ha demostrado una superioridad consistente en la precisión sobre las metodologías basadas en selección asistida por marcadores y selección tradicional basada en información de pedigree. Recientemente, Rincent et al., 2018 desarrollaron una nueva metodología predictiva: la Selección Fenómica (SF) en la que, por ejemplo, a partir de espectrometrías NIR (Near Infrared Reflectance) en donde los datos de absorbancia se consideran de la misma manera que los regresores genómicos, se pueden hacer predicciones en cualquier ambiente sin tener NIRs (espectros NIR) específicos del ambiente. En SF, se supone que una vez que se analizan los NIRs en un experimento estos pueden usarse como regresores o para estimar una matriz de parentesco para hacer predicciones en cualquier otro experimento, siempre y cuando los datos fenotípicos estén disponibles para calibrar el modelo estadístico. La SF tiene la ventaja de tener un costo hasta doce veces menor respecto al genotipado requerido por la SG. El objetivo del trabajo es comparar mediante validaciones cruzadas la precisión de las predicciones (correlación entre los valores predichos y observados en 10 validaciones cruzadas 90:10) entre SG y SF utilizando tres metodologías predictivas (Bayes LASSO-BL, random forest-RF y ridge regression-RR) en caracteres de crecimiento (diámetro a la altura del pecho medido a los 27 y 44 meses y espesor de corteza); sanidad (tolerancia al cancro del tallo a los 27, 44 y 55 meses); características químicas de la madera basadas en estimaciones a partir de NIR (contenido y composición de lignina, contenido de celulosa y hemicelulosa); y características del rollizo (forma y rajado).