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 C1R1 C2R1 C3R1 • local 2 Prod = trat C1 C4 C10 R2 C1R1 C1R3 C2R2 C2R4 C3R2 C3R4 C4R3 C4R4 • local 3 Prod = rep trat bloco(rep) C1bloco(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