Services on Demand
Journal
Article
Indicators
Cited by SciELO
Related links
Similars in SciELO
uBio
Share
BAG. Journal of basic and applied genetics
On-line version ISSN 1852-6233
Abstract
RUEDA CALDERON, M. A; BALZARINI, M and BRUNO, C. Meta-análisis para evaluar eficiencia de selección genómica en cereales: Meta-analysis for evaluating the efficiency of genomic selection in cereals. BAG, J. basic appl. genet. [online]. 2020, vol.31, n.1, pp.23-32. ISSN 1852-6233.
La selección genómica (SG) es usada para predecir el mérito de un genotipo respecto a un carácter cuantitativo a partir de datos moleculares o genómicos. Estadísticamente, la SG requiere ajustar un modelo de regresión con múltiples variables predictoras asociadas a los estados de los marcadores moleculares (MM). El modelo se calibra en una población en la que hay datos fenotípicos y genómicos. La abundancia y la correlación de la información de los MM dificultan la estimación, y por ello existen distintas estrategias para el ajuste del modelo basadas en: mejor predictor lineal insesgado (BLUP), regresiones Bayesianas y aprendizaje automático. La correlación entre el fenotipo observado y el mérito genético predicho por el modelo ajustado, provee una medida de eficiencia (capacidad predictiva) de la SG. El objetivo de este trabajo fue realizar un meta-análisis de la eficiencia de la SG en cereales. Se realizó una revisión sistemática de estudios relacionados a SG y se llevó a cabo un meta-análisis, para obtener una medida global de la eficiencia de la SG en trigo y maíz, bajo diferentes escenarios (cantidad de MM y método estadístico usado para la SG). El metaanálisis indicó un coeficiente de correlación promedio de 0,61 entre los méritos genéticos predichos y los fenotipos observados. No se observaron diferencias significativas en la eficiencia de la SG realizada con modelos basados en BLUP (RR-BLUP y GBLUP), enfoque estadístico más comúnmente usado. El incremento de MM no cambia significativamente la eficiencia de la SG.
Keywords : Revisión sistemática; Modelos de efectos aleatorios; Forest plot; Capacidad predictiva.