Desafios na condução e planejamento
de experimentos de avaliação de
clones de cana-de-açúcar
UFV
Prof. Luiz Alexandre Peternelli (Estatística)
PMGCA - UFV
Programa de Melhoramento Genético da Cana-de-Açúcar
Coordenador: Prof. Márcio Henrique Pereira Barbosa
Universidade Federal de Viçosa
UFV
Conteúdo
1. Programas de melhoramento no Brasil
2. O PMGCA / RIDESA
3. Fluxograma de intenções - PMGCA/UFV
4. Intenções/propostas/desafios/resultados
•
operacionais
•
genético-estatísticas
•
resultados de pesquisa
5. Considerações finais
UFV
1. Programas de melhoramento no Brasil
2. O PMGCA / RIDESA
3. Fluxograma de intenções - PMGCA/UFV
4. Intenções/propostas/desafios/resultados
5. Considerações finais
Programas melhoramento da
UFV
cana-de-açúcar no Brasil
Programa
Escada-PE
Campos-RJ
Barreiros-PE
São Bento, Tapera-PE
Curado, Recife-PE
EECAPO, Piracicaba-SP
COPERESTE, Sertãozinho-SP
EECA, Rio Largo-AL
PLANALSUCAR
Usina da Barra, Barra Bonita-SP
Período
Sigla
1913 - 1924
EB
1916 - 1972
CB
1924 - 1933
EB
1928 - ?
SBP
1933 - 1974 PB-IANE
1928 - 1935
1963 - 1969
COP
1968 - 1971
1971 - 1990
RB
1975 - 1999
PO
UFV
Programas de melhoramento da
cana-de-açúcar no Brasil
Programa
Início
Sigla
IAC
1935
IAC-IACSP
COPERSUCAR
1968
SP
Universidades Federais
(RIDESA)
1991
RB
Canavialis
2003
CV
RIDESA - RB867515
COPERSUCAR - SP91-1049
IAC - IAC86-2210
www.studium.ppg.br/ridesa2/
UFV
Conteúdo
1. Programas de melhoramento no Brasil
2. O PMGCA / RIDESA
3. Fluxograma de intenções - PMGCA/UFV
4. Intenções/propostas/desafios/resultados
5. Considerações finais
UFV
RIDESA
Rede Interuniversitária para o desenvolvimento
do setor sucroalcooleiro
Parceria com setor privado
Usinas e destilarias
Cultivares RB
para todo BRASIL
UFV Evolução da porcentagem da área total dos cultivares RB, SP e
Introduzidos, nos Estados da região Centro Sul.
INT
SP
70
60
50
40
30
20
10
0
87
/8
9
19
90
19
91
19
92
19
93
19
94
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
% Cultivares
RB
LOGíSTICA DO PMGCA / RIDESA
UFAL
Produção de
sementes
UFPR
UFRPE
UFRRJ
UFSCar
UFV UFG
Estações
experimentais
Carpina-PE
UFRPE
UFV
Goiânia – GO
UFG
Capinópolis-MG
UFV
Estação de Floração e
Cruzamentos da Serra do Ouro
Murici-AL
UFAL
Ponte Nova-MG
UFV
Valparaiso-SP
UFSCar
Rio Largo-AL
UFAL
Conceição da Barra-ES
UFRRJ
Campos-RJ
UFRRJ
Bandeirantes-PR
UFPR
Araras-SP
UFSCar
Paranavaí-PR
UFPR
RIDESA
www.studium.ppg.br/ridesa2/
UFV
Estação de floração e cruzamentos da Serra do Ouro
Murici-AL, UFAL
Banco de
germoplasma
Banco de germoplasma
UFV
Em 2000  cerca de 2100 acessos,
dos quais
RB
SP
IAC
menor 70
1
8
40
49
71-80
166
38
3
207
81-90
maior 90
302
285
49
1
19
6
370
392
Total
754
97
68
969
grande número de possíveis cruzamentos!!
UFV
Censo de panículas
www.ridesa.org.br
UFV
Preparo das
etiquetas
Preparo das
panículas
Emasculação
em água quente
UFV
Transporte dos
colmos para as
campânulas
Tipos de
cruzamentos
Cruz. biparental
Cruz. múltiplo
Cruz. de área
Coleta das
sementes
UFV
Detalhamento da experimentação
Após a produção de sementes
temos:
Fase T1
Fase T2
Fase T3
Fase FM (multiplicação)
Fase FE (experimentação)
UFV
Clone
Clone
RB867515
RB835486
(Heterozigoto)
x
(Heterozigoto)
F1
Fase T1
Milhares de
indivíduos
heterozigotos
Seleção e obtenção
dos clones
Fases
T2, T3, FM, FE
Avaliação experimental
dos clones
Novo cultivar
FASE T1
Semeio
FASE T1
Repicagem
FASE T1
Aclimatação
FASE T1
Preparo das mudas
para transplantio
FASE T1
Transplantio
FASE T1
Transplantio
UFV
Conteúdo
1. Programas de melhoramento no Brasil
2. O PMGCA / RIDESA
3. Fluxograma de intenções - PMGCA/UFV
4. Intenções/propostas/desafios/resultados
5. Considerações finais
UFV
Ano
Mês
1
Abril/maio
Novembro
2
Julho
3
Abril/maio
Seleção massal e plantio do ensaioT2
*Blocos aumentados - um local
*Parcelas de um sulco de seis metros +
cultivares comuns
4
Maio
Estimativa do kg brix/parcela em T2 canaplanta
Julho
Corte sem seleção
Maio
Seleção no ensaio T2
*Seleção com base no kg brix/parcela da
cana planta e
soca do T2
5
Atividade
Cruzamentos – UFAL
Transplantio do T1
Corte do campo sem seleção
Número
esperado
100 famílias
80 mil
genótipos
80 mil
genótipos
~1000
clones
~1000
clones
~300 clones
Plantio do FM no CECA (+ clones de
outras Universidades)
*Parcelas de cinco sulcos de 5 metros
UFV Ano
6
7
Mês
Atividade
Fevereiro/març Envio de clones às usinas – três locais
o/abril
*Em cada local instala-se um T3
*Blocos aumentados modificado com
duas repetições
*Parcelas de dois sulcos de 5 m +
cultivares comuns
Envio de clones à UFSCar para testes de
mosaico e carvão
Fevereiro/març Envio de clones às universidades e
o/abril
empresas para FM
Fevereiro
Maio
Em cada local com ensaio T3
*Contagem de número de colmos por
parcela
*Brix e pesagem de 15 colmos por
parcela
*FM
dos
clones
selecionados
visualmente e com base no
kg brix/parcela de cana-planta
Número
esperado
300 clones
300 clones
UFV Ano
8
Mês
Fevereiro
Maio
9
Março
10
11
12
13
14
Julho
Julho
Julho
-
Atividade
Em cada local com ensaio T3
*Contagem de número de colmos por
parcela
*Brix e pesagem de 15 colmos por
parcela
*FM
dos
clones
selecionados
visualmente e com base no
kg brix/parcela de cana-planta e soca
FE + curva de maturação-CM (oito locais)
*FE e CM = blocos casualisados
*FE = quatro sulcos x 10 metros x quatro
repetições
*CM = um sulco x 5 metros x duas
repetições x sete
épocas de amostragem
Colheita 1º corte - FE e CM
Colheita 2º corte - FE
Colheita 3º corte - FE
FM dos clones promissores
Lançamento da(s) cultivar(es)
Número
esperado
300 clones
30 clones
30 clones
30 clones
30 clones
-
UFV
Conteúdo
1. Programas de melhoramento no Brasil
2. O PMGCA / RIDESA
3. Fluxograma de intenções - PMGCA/UFV
4. Intenções/propostas/desafios/resultados
•
operacionais
•
genético-estatísticas
•
resultados de pesquisa
5. Considerações finais
UFV
Critérios para escolha dos cruzamentos
• Divergência genética
•Baseado no coeficiente de parentesco
• Associação de características
•Para provável obtenção de bons materiais
• Taxa de seleção
•Razão entre número selecionado e produzido
• Predição de cruzamentos
•Potencialmente superiores
Programa
Jornada de Cruzamentos
Programa
Jornada de Cruzamentos
Programa
Jornada de Cruzamentos
Programa
Jornada de Cruzamentos
Programa
Jornada de Cruzamentos
UFV
Condução de ensaios
•Maior número de clones implica:
– Aumentar a área experimental;
– Conseguir mais recursos;
• Havendo restrição
– reduzir no clones perda de indivíduos superiores;
– Reduzir o número de repetições do material (?).
 perda na precisão experimental;
– Reduzir o tamanho da parcela (?);
 interferência entre parcelas vizinhas;
UFV
Planos experimentais comuns
• Delineamento em Blocos Aumentados
(DBA)  fases iniciais
• DBA duplicado  fases intermediárias
• Blocos casualizados  fases finais
UFV
Sobre o “bloco aumentado”
• Delineamentos aumentados (Federer, 1956)
– Define-se:
• tratamentos comuns (testemunhas)
• tratamentos regulares (novo material)
– Seleciona-se um delineamento para os trat. comuns
• DBC, DBI, DQL etc
– Aumenta-se o tamanho dos blocos, ou o número de
linhas ou colunas para acomodar os trat. regulares;
– Tratamentos regulares  geralmente r = 1. #
UFV
Detalhes do delineamento
• Tratamentos comuns  erro experimental
• Tratamentos regulares  ajustados para efeito de
blocos, linhas ou colunas
• OBS.: proposta inicial: substituir o uso de
testemunhas sistematicamente arranjadas no
campo
UFV
Variante do DBA
• DBA duplicado  EBCTC
Experimento 1 Experimento 2 Experimento 3
Rep 1 A,B + 1,2
A,B + 3,4
A,B + 5,6
Rep 2 A,B + 1,2
A,B + 3,4
A,B + 5,6
A,B = trat comuns e 1,2,3,4,5,6 = trat regulares
UFV
Pesquisas recentes
– Souza, E.F.M.; Peternelli, L.A.. Eficiência relativa de
delineamentos experimentais de uso potencial em fase
inicial de seleção de plantas. Estudo via simulação.. In. 10
SEAGRO e 48a RBRAS, 2003, Lavras, v.1, p.361-365.
– Souza, E.F.M.; Peternelli, L.A.; Barbosa, M.H.P.
Comparação via simulação de delineamentos de uso
potencial nas fases iniciais do melhoramento de plantas em
condições de restrição de área. In. 49a RBRAS, 2004,
Uberlândia, v.1, p.24-29.
– Souza, E.F.M.; Peternelli, L.A.; Barbosa, M.H.P.
Comparação do ajuste de médias e do ordenamento
proporcionado por três delineamentos de uso potencial no
melhoramento genético da cana-de-açúcar. In. 49a RBRAS,
2004, Uberlândia, v.1, p.414-419.
UFV
Estudos recentes
• Melhora do ajuste com o uso de modelos mistos
y  Xb  Zu  e
• em que:
– y : vetor de observações;
– b : vetor de efeitos fixos desconhecidos;
– u : vetor de efeitos aleatórios desconhecidos;
– e : vetor de erros aleatórios;
– X e Z : matrizes conhecidas
UFV
Alternativas de análise
• Tratamentos regulares  aleatório ou fixo
• Blocos  aleatório ou fixo
• Uso de dados de parentesco ou de marcadores
moleculares
– matriz de similaridades genéticas
• Porém ...
eventual similaridade entre
respostas de parcelas vizinhas
UFV
Uso de Estatística Espacial
• levar em conta o efeito da heterogeneidade
espacial oriundas da:
– não homogeneidade dentro dos blocos;
– forma e disposição inapropriadas;
• proposta inicial  anos 30;
• desde então  propostos vários outros métodos
ou variantes dos primeiros
• Em resumo...
UFV
Princípios envolvidos:
“intuição”
Métodos de
Estatística
Espacial
regressão
linear múltipla
análise de
covariância
geoestatística
técnica de análise
multivariada
UFV
Maior dificuldade:
• Desconhecimento da teoria envolvida;
• Disponibilidade de softwares para execução
das análises;
• Alguns autores  programas em SAS para
esclarecer algumas análises (ex.):
 Wolfinger et al. (1997)
 Duarte (2000)
 Federer et al. (2001)
UFV
Recente proposta de aplicação
• Federer, Reynolds and Crossa (2001).
Combining Results from augmented
Designs over Sites. Agron. J. 93:389-395.
• Proposta:
– Combinar resultados de experimentos de
diferentes locais usando as três teorias
– vantagens sugeridas:
UFV
vantagens:
• diz superar as dificuldades na combinação
de resultados de experimentos de vários
locais;
• economia de recursos;
• permite avaliar melhor os novos materiais;
• independência quanto a
– homogeneidade da variância residual;
– uso das mesmas testemunhas por local;
– mesmo modelo de resposta por local;
– mesmo delineamento por local.
UFV
Resumo do método
• Para cada local, para cada variável
– escolhe-se um delineamento aumentado;
– ajusta-se o modelo que melhor represente a
variabilidade espacial; (modelo fixo)
– Ex.
– para o modelo selecionado  análise modelo
misto:
• fixo  testemunhas;
• aleatório  “blocos” e novos tratamentos
– obtém médias de tratamento ajustadas *
UFV
• local 1
Prod = trat C1 C2 C3 C4 C6 C8 R1 R2 R4 R8
R10 C1R1 C2R1 C3R1
• local 2
Prod = trat C1 C4 C10 R2 C1R1 C1R3
C2R2 C2R4 C3R2 C3R4 C4R3 C4R4
• local 3
Prod = rep trat bloco(rep) C1bloco(rep)
Volta
UFV
Combinação dos resultados
• Método 1 (Cochran e Cox, 1957)
– obter as médias ajustadas;
– análise: esquema fatorial
• local  aleatório
• tratamentos  fixo
– obter as demais informações de interesse
UFV
... continuação
• Método 2
– obter as médias ajustadas
– dividir as médias pelos seus erros padrões
– Análise: esquema fatorial
• local e trat  aleatório
– obter demais informações de interesse
UFV
Seleção de Famílias
• Melhorar a eficiência da seleção
• Selecionar previamente as famílias
superiores
– obter informação sobre as famílias com base
em seus clones
– avaliar famílias em ensaios com repetição
• Pesquisa sobre tamanho de parcela
• Uso do teoria de modelos mistos
UFV
Seleção “Recorrente”
gerar população base
recombinar
avaliar famílias
• Objetiva aumentar freqüência gênica
gradativamente na população
• Dificuldade maior: falta de sincronismo de
florescimento
UFV
Conteúdo
1. Programas de melhoramento no Brasil
2. O PMGCA / RIDESA
3. Fluxograma de intenções - PMGCA/UFV
4. Intenções/propostas/desafios/resultados
•
operacionais
•
genético-estatísticas
•
resultados de pesquisa
5. Considerações finais
UFV
Considerações Finais
• Necessidade de maiores investimentos
financeiros
• Grande potencial para ganhos de seleção
• Necessidade de suporte computacional
• Maior uso de conhecimento teórico (genéticoestatístico) e de validação usando simulação
UFV
F
I
M
Esquema ilustrativo - Blocos Aumentados
5 B
Bloco 1
Bloco 2
B A C
A C B
4 A 6 1 3 C 2
Blocos 1 e 2
aumentados
11 A
9 C 10 7 12 B 8
ret
Objetivo
Comparar a eficiência relativa dos seguintes
delineamentos: EBCTC e DBA em relação
aos reais valores;
Levantar informações sobre a eficiência de
ordenamento
entre
estes
dois
delineamentos.
Detalhes experimentais e de simulação
Experimento 1 Experimento 2 Experimento 3
Layout
Bloco 1
Bloco 1
Bloco 1
Bloco2
Bloco2
Bloco2
10%
20%
C.V Residual
Herdabilidade
C.V Entre
10%
20%
10%
20%
10%
20%
10%
20%
SELEÇÃO 10%
C1
C2
C3
C4
C5
C6
C7
C8
SELEÇÃO 20%
C9
C10
C11
C12
C13
C14
C15
C16
0,3
0,7
0,3
0,7
Totalizando 16 cenários com 600 simulações.
Continuação...
Foram quantificados a coincidência entre
genótipos selecionados: experimentos vs
reais e entre experimentos.
REAIS
10
30
14
22
55
38
...
4
27
EBCTC
30
15
25
14
55
10
...
37
49
DBA 1
14
15
33
30
4
38
...
18
56
DBA 2
55
10
5
30
22
50
...
27
11
...
...
...
...
...
...
...
...
...
...
DBA 8
45
27
10
23
22
40
...
18
55
Resultados
100
Taxa de seleção
60
• Mesmo padrão
para as duas
taxas de seleção;
40
• O EBCTC superou
o DBA em todos
os cenários
20
• Melhor comparar
pela razão entre
DBA e EBCTC
0
% média de coincidência
80
Real x EBCTC
Real x DBA
EBCTC x DBA
DBA / EBCTC
10%
20%
Continuação...
100
Herdabilidade
60
• Baixa vs alta
20
40
• Implicações do uso
do DBA.
0
% média de coincidência
80
Real x EBCTC
Real x DBA
EBCTC x DBA
DBA / EBCTC
0,30
0,70
Conclusões
• A eficiência do EBCTC e DBA em
comparação com Reais melhora com maior
percentual de seleção.
• A perda de eficiência do DBA na seleção
dos melhores genótipos é de cerca de 15%
comparado ao EBCTC.
• Para caracteres com baixa herdabilidade o
aumento do percentual de seleção melhora
a eficiência do DBA em relação ao EBCTC.
voltar
Objetivo:
• Avaliar o EBCTC e o DBA sob a condições
de limitação de área e número variável de
tratamentos regulares.
limitação de área
limitação de recursos
Material e métodos
Problema:
120 tratamentos regulares;
3 tratamentos comuns;
área disponível para apenas 138 parcelas com
tamanho adotado convencionalmente.
Tomar decisão:
diminuir tamanho de parcela;
descartar alguns genótipos;
não repetir os genótipos.
Área experimental;
para o EBCTC
Experimento 1
Experimento 2
Experimento 3
comuns
comuns
comuns
regulares
regulares
regulares
comuns
comuns
comuns
regulares
regulares
regulares
Bloco 1
Bloco 2
Área experimental;
para o DBA
Bloco 1
Bloco 2
Bloco 3
comuns
comuns
comuns
regulares
regulares
regulares
OBS.: mesma área experimental
Resultados
Tabela 1.:
Resultados percentuais das comparações avaliadas(1 a 3) e os valores usados para
definição dos 8 cenários simulados.
C.V. residual
10
20
Herdabilidade
0,3
0,7
0,3
0,7
C.V. entre
10
20
10
20
10
20
10
20
experimentos
cenários
C1
C2
C3
C4
C5
C6
C7
C8
1 Real vs. DBA
24,9
23,3
43,9
41,1
26,2
24,8
47,0
45,5
2 Real vs. EBCTC
9,8
9,9
10,0
10,0
9,5
9,5
9,1
9,5
3 DBA vs. EBCTC
19,5
19,8
20,0
19,9
19,1
19,0
18,2
19,0
Real: verdadeiros melhores genótipos selecionados; DBA selecionados pelo DBA; EBCTC
selecionados pelo EBCTC; 1, 2, 3: indica coincidência média entre os selecionados pelos pares em
seleção de 10%.
•Valores encontrados para o DBA já eram esperados;
•Baixa eficiência do EBCTC em relação aos melhores
genótipos.
CONCLUSÕES
• Com a inclusão de novos genótipos o DBA não altera a sua
eficiência em relação aos melhores genótipos,
• Com a inclusão de novos genótipos a porcentagem média
de coincidência entre os selecionados pelo DBA e os
verdadeiros melhores genótipos aumenta, em relação ao
EBCTC;
• Com o aumento da variação entre experimentos, para o
DBA variação entre blocos, houve uma pequena redução na
eficiência do DBA em relação aos verdadeiros melhores
genótipos;
• Quando houver restrição de área o melhor procedimento
seria usar o DBA e avaliar um maior número de genótipos
se houver.
voltar
OBJETIVOS
Comparar o ajuste de médias e o
proporcionado pelo DBA, DBAD e EBCTC
ordenamento
MATERIAL E MÉTODOS
 70 trat regulares e 3 comuns (fase T3);
 experimento instalado no EBCTC com 8 experimentos e
duas repetições
 layout do EBCTC
DBA e DBAD
 cálculo das médias ajustadas e ordenamento.
 variáveis: TCH, TPH, PCC
CONCLUSÕES
Considerando o modelo fixo, o ajuste das médias
proporcionado pelo DBAD foi o mesmo do proporcionado pelo
EBCTC;
A realização de somente uma repetição não acarreta
grandes diferenças no ajuste de médias;
O ajuste das médias foi semelhante para os três
delineamentos, proporcionando coincidência de seleção alta
entre os tratamentos.
voltar
Download

Desafios na condução e planejamento de experimentos de