Das Montanhas de Minas ao Oceano: Os Caminhos da Ciência para um Futuro Sustentável
20 a 25 de outubro de 2025
Trabalho 21162
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Agrárias |
| Área temática | Dimensões Ambientais: ODS12 |
| Setor | Departamento de Biologia Geral |
| Conclusão de bolsa | Não |
| Primeiro autor | Miguel Soares de Oliveira |
| Orientador | KAIO OLIMPIO DAS GRACAS DIAS |
| Outros membros | Gabriel Mazetti Blasques, João Marcos Amario de Sousa |
| Título | Aprimoramento na recomendação de híbridos de milho por predições ambientômicas, GIS‑FA |
| Resumo | As interações genótipo × ambiente (G×E) representam um desafio no melhoramento genético pois a mudança na classificação de desempenho dos cultivares entre diferentes locais (interações complexas) dificulta a seleção de um único genótipo superior com ampla adaptabilidade. Superar essa limitação fomenta o uso de metodologias que integrem dados fenotípicos, moleculares e ambientais articulando-os em modelos preditivos. A abordagem GIS-FA combina ambientômica, técnicas de Sistemas de Informações Geográficas (GIS), regressão PLS e modelos fator analítico (FA), permitindo prever a resposta genotípica em ambientes não testados; otimizando a recomendação de cultivares, reduzindo custos de ensaios experimentais e acelerando o ganho genético com eficácia. Objetivou-se predizer o desempenho de híbridos de milho para ambientes não testados via GIS-FA. Utilizamos dados fenotípicos da iniciativa “Genomes to Fields” para avaliar o desempenho de 239 híbridos de milho em 50 ambientes (combinações local-ano) os quais estão distribuídos por 13 estados dos EUA durante as safras de 2022 e 2023. Para a caracterização ambiental, compilamos 104 covariáveis, obtidas das bases de dados NASA POWER e SoilGrids, em uma série temporal de 20 anos (iniciada em 2005). Realizamos a análise da interação GxE por meio de um modelo FA, extraímos suas cargas fatoriais e utilizamos-as para treinar um modelo de regressão PLS; a partir dessa etapa, estabelecemos relação entre as covariáveis (clima e solo) e cargas. Uma vez treinado, o modelo PLS é capaz de prever as cargas fatoriais dos ambientes não testados, utilizando apenas as informações ambientais desses novos locais. Por fim, o desempenho predito dos híbridos nos ambientes não testados é calculado por meio da combinação linear entre essas cargas fatoriais preditas e as escores estimadas previamente. A eficácia da abordagem foi comprovada ao passo que foram preditos os eBLUPs dos genótipos em com uma acurácia de 0,49. Materializamos os resultados em mapas temáticos: os de “desempenho individual” detalham a adaptabilidade de cada genótipo, identificando geograficamente seus nichos de produtividade; a análise "quem-ganha-onde" designa o cultivar de melhor performance para cada região, enquanto a comparação par-a-par fornece uma ferramenta de comparação direta entre duas cultivares facilitando a decisão. Concluímos que a abordagem orientada por dados aprimora as estratégias de seleção, permitindo a recomendação de cultivares em ambientes não testados e garantindo decisões mais precisas e um uso mais eficiente dos recursos financeiros. |
| Palavras-chave | Sensoriamento remoto, Interação genótipo‑ambiente, Predição em ambientes não testados |
| Forma de apresentação..... | Painel |
| Link para apresentação | Painel |
|---|