Rendimiento de cruzas simples de líneas de maíz de ACG contrastante y su predicción mediante SNPs

Abstract

En la generación de híbridos de maíz (Zea mays L.), la información sobre el rendimiento de cruzas simples posibles entre n líneas es fundamental para identificar las combinaciones con alto potencial genético y prescindir de la evaluación de enormes cantidades de genotipos; por lo tanto, el mejoramiento genético clásico y la Selección Genómica (SG) deberían asociarse y así acelerar los programas de hibridación de maíz en México. El objetivo de este trabajo fue evaluar el comportamiento y estabilidad del rendimiento de cruzas simples de líneas de maíz contrastantes en aptitud combinatoria general (ACG) mediante metodologías tradicionales de mejoramiento, y también evaluar la metodología de SG para la predicción de la ACG de líneas autofecundadas de maíz y del rendimiento de sus cruzas simples, a fin de proveer elementos y alternativas para el mejoramiento rápido y eficiente de esta característica cuantitativa. La metodología convencional de evaluación en campo mostró que la mayoría de las cruzas simples de Alta × Baja ACG fueron las más rendidoras pero inestables; en este resultado interactuaron: acumulación de efectos aditivos, presencia de efectos de dominancia y epistasis, divergencia genética entre líneas, adaptación y adaptabilidad de la cruza, la ACG contrastante de sus líneas progenitoras y la interacción del genotipo con el ambiente. En la metodología de predicción genómica, el uso del GBS (Genotyping-By-Sequencing) SNPs (Polimorfismos de Nucleótido Simple) de los genotipos, mostró ser altamente eficiente para clasificar a las líneas progenitoras como de alta o baja ACG con base en sus diferencias a nivel molecular, esto permitió corroborar la ACG de cada una de ellas, la cual se conocía previamente mediante la prueba de mestizos. Asimismo, el GBS, la cercanía de las relaciones genéticas entre las líneas y los componentes del modelo de predicción genómica utilizado; fueron factores que contribuyeron a la precisión efectiva de la predicción del rendimiento de las cruzas evaluadas y no evaluadas en campo; esto pese a que el modelo no incluyó el componente de interacción Genotipo × Ambiente, a la baja heredabilidad del rendimiento, y a la baja endogamia de la mayoría de las líneas progenitoras. _______________ YIELD PERFORMANCE OF SINGLE CROSSES AMONG INBRED LINES OF MAIZE CONTRASTING IN GCA AND ITS PREDICTION BY SNPs. ABSTRACT: Hybrid maize (Zea mays L.) breeding requires information on the yield performance of all possible single crosses between n lines to identify the combinations with the highest genetic potential, this is in order to leave aside the evaluation of huge amounts of genotypes. Therefore, both classical breeding and genomic selection should be associated to accelerate maize breeding programs in Mexico. The aim of this study was to evaluate the performance and yield stability of single crosses of maize among lines contrasting in general combining ability (GCA) through traditional breeding methodologies and also to evaluate the methodology of GS to predict the GCA of inbred lines of maize and the yield of their single crosses, this in order to provide elements and alternatives to achieve a fast and an efficient genetic improvement of this quantitative trait. Phenotypic evaluation in the field showed that most of the single crosses of type High × Low GCA were the most yielding ones though unstable. This result was mainly due to the interaction of factors such as accumulation of additive effects, presence of dominance and epistasis effects, genetic divergence between the inbred lines, adaptation and adaptability of the crosses, the contrasting GCA of their parental lines, and the genotype by environment interaction. The use of the GBS (Genotyping-By-Sequencing) SNPs (Single Nucleotide Polymorphisms) procedure in the genomic prediction methodology proved to be highly efficient to classify the parental lines as being of high or low GCA, based on their differences at the molecular level. This corroborated the GCA of each of the lines, which was previously known by the top-cross testing. Also, the GBS procedure, the closeness of the genetic relationships between the lines, and the components of the genomic prediction model used were factors that contributed to the effective accuracy of the yield prediction of the crosses, both evaluated and unevaluated at field; this despite the fact that the model did not include the Genotype × Environment component, the low heritability of the yield, and the low inbreeding in most of the parental lines.