Search

A multiparental random mating population used in sorghum breeding is amenable for the detection of QTLs related to tropical soil adaptation, fine mapping of underlying genes and genomic selection approaches. Tropical soils where low phosphorus (P) and aluminum (Al) toxicity limit sorghum [Sorghum bicolor (L.) Moench] production are widespread in the developing world. We report on BRP13R, a multiparental random mating population (MP-RMP), which is commonly used in sorghum recurrent selection targeting tropical soil adaptation. Recombination dissipated much of BRP13R’s likely original population structure and average linkage disequilibrium (LD) persisted up to 2.5 Mb, establishing BRP13R as a middle ground between biparental populations and sorghum association panels. Genome-wide association mapping (GWAS) identified conserved QTL from previous studies, such as for root morphology and grain yield under low-P, and indicated the importance of dominance in the genetic architecture of grain yield. By overlapping consensus QTL regions, we mapped two candidate P efficiency genes to a ~ 5 Mb region on chromosomes 6 (ALMT) and 9 (PHO2). Remarkably, we find that only 200 progeny genotyped with ~ 45,000 markers in BRP13R can lead to GWAS-based positional cloning of naturally rare, subpopulation-specific alleles, such as for SbMATE-conditioned Al tolerance. Genomic selection was found to be useful in such MP-RMP, particularly if markers in LD with major genes are fitted as fixed effects into GBLUP models accommodating dominance. Shifts in allele frequencies in progeny contrasting for grain yield indicated that intermediate to minor-effect genes on P efficiency, such as SbPSTOL1 genes, can be employed in pre-breeding via allele mining in the base population. Therefore, MP-RMPs such as BRP13R emerge as multipurpose resources for efficient gene discovery and deployment for breeding sorghum cultivars adapted to tropical soils.

The world population is expected to be larger and wealthier over the next few decades and will require more animal products, such as milk and beef. Tropical regions have great potential to meet this growing global demand, where pasturelands play a major role in supporting increased animal production. Better forage is required in consonance with improved sustainability as the planted area should not increase and larger areas cultivated with one or a few forage species should be avoided. Although, conventional tropical forage breeding has successfully released well-adapted and high-yielding cultivars over the last few decades, genetic gains from these programs have been low in view of the growing food demand worldwide. To guarantee their future impact on livestock production, breeding programs should leverage genotyping, phenotyping, and envirotyping strategies to increase genetic gains. Genomic selection (GS) and genomewide association studies play a primary role in this process, with the advantage of increasing genetic gain due to greater selection accuracy, reduced cycle time, and increased number of individuals that can be evaluated. This strategy provides solutions to bottlenecks faced by conventional breeding methods, including long breeding cycles and difficulties to evaluate complex traits. Initial results from implementing GS in tropical forage grasses (TFGs) are promising with notable improvements over phenotypic selection alone. However, the practical impact of GS in TFG breeding programs remains unclear. The development of appropriately sized training populations is essential for the evaluation and validation of selection markers based on estimated breeding values. Large panels of single-nucleotide polymorphism markers in different tropical forage species are required for multiple application targets at a reduced cost. In this context, this review highlights the current challenges, achievements, availability, and development of genomic resources and statistical methods for the implementation of GS in TFGs. Additionally, the prediction accuracies from recent experiments and the potential to harness diversity from genebanks are discussed. Although, GS in TFGs is still incipient, the advances in genomic tools and statistical models will speed up its implementation in the foreseeable future. All TFG breeding programs should be prepared for these changes. Made available in DSpace on 2021-08-10T02:06:56Z (GMT). No. of bitstreams: 1 Genomic-selection-tropical.pdf: 2481038 bytes, checksum: c1c166bd9f912ae4d0970aee8c98aa94 (MD5) Previous issue date: 2021

A biópsia embrionária associada à genotipagem permite a obtenção de informações genômicas antes mesmo da transferência dos embriões. Neste estudo, foram avaliadas amostras biopsiadas de blastocistos bovinos transferidos para receptoras (n=47), sob a hipótese de que a raça (Gir ou Girolando), o estádio embrionário (blastocisto ou blastocisto expandido) e a competência para estabelecimento de prenhez (positiva ou negativa) afetariam a quantidade e a qualidade do DNA da amostra obtida. O DNA foi extraído, amplificado, quantificado por eletroferograma e genotipado. O parâmetro call rate (CR) foi adotado para mensurar a qualidade da genotipagem. Obteve-se concentração de DNA de 86,07±171,66ng/μL e CR 0,73±0,17. O CR não variou em função da quantidade de DNA nas amostras. As variáveis raça e estádio embrionário não influenciaram a concentração de DNA, nem o CR. Houve efeito da prenhez sobre o CR (P=0,0187), mas, como houve maior CR nas amostras provenientes do grupo prenhez negativa, não foi possível associar esse parâmetro à qualidade embrionária. Concluiu-se que a raça e a qualidade embrionária não afetam os parâmetros aqui estudados em amostras embrionárias, ou seja, embriões com maiores chances de implantação não refletem alta qualidade nas amostras de biópsia genotipadas. Made available in DSpace on 2021-08-16T19:00:26Z (GMT). No. of bitstreams: 1 Quantificacao-DNA.pdf: 746488 bytes, checksum: 0de1fdf609f6152f7fb47e24ffd04119 (MD5) Previous issue date: 2020

A principal contribuição da genética molecular é a utilização direta das informações de DNA no processo de identificação de indivíduos geneticamente superiores. Sob esse enfoque, idealizou-se a seleção genômica ampla (Genome Wide Selection - GWS), a qual consiste na análise de marcadores SNPs (Single Nucleotide Polymorphisms) amplamente distribuídos no genoma. Devido a esse grande número de SNPs, geralmente maior que o número de indivíduos genotipados, e à alta colinearidade entre eles, métodos de redução de dimensionalidade são requeridos. Dentre estes, destaca-se o método de regressão via Quadrados Mínimos Parciais (Partial Least Squares - PLS), que além de solucionar tais problemas, permite uma abordagem multivariada, considerando múltiplos fenótipos. Diante do exposto, objetivou-se aplicar e comparar a regressão PLS univariada (UPLS) e multivariada (MPLS) na GWS para características de carcaça em uma população F2 de suínos Piau×Comercial. Os resultados evidenciaram a superioridade do método MPLS, uma vez que este proporcionou maiores valores de acurácia em relação à abordagem univariada. The main contribution of molecular genetics is the direct use of DNA information to identify genetically superior individuals. Under this approach, genome-wide selection (GWS) can be used with this purpose. GWS consists in analyzing of a large number of SNP markers widely distributed in the genome, and due to the fact that the number of markers is much larger than the number of genotyped individuals and also to the fact that such markers are highly correlated special statistical methods, like Partial Least Squares (PLS), are widely required. Thus, the aim of this paper was to propose an application of Uni (UPLS) and Multivariate (MPLS) Partial Least Squares regression to GWS of carcass traits in an F2 (Piau × commercial) pig population. The results showed that MPLS method provided most accurate genomic breeding values estimates than univariate method.

Background: The advent of high-throughput genotyping technologies coupled to genomic prediction methods established a new paradigm to integrate genomics and breeding. We carried out whole-genome prediction and contrasted it to a genome-wide association study (GWAS) for growth traits in breeding populations of Eucalyptus benthamii (n =505) and Eucalyptus pellita (n =732). Both species are of increasing commercial interest for the development of germplasm adapted to environmental stresses. Results: Predictive ability reached 0.16 in E. benthamii and 0.44 in E. pellita for diameter growth. Predictive abilities using either Genomic BLUP or different Bayesian methods were similar, suggesting that growth adequately fits the infinitesimal model. Genomic prediction models using ~5000?10,000 SNPs provided predictive abilities equivalent to using all 13,787 and 19,506 SNPs genotyped in the E. benthamii and E. pellita populations, respectively. No difference was detected in predictive ability when different sets of SNPs were utilized, based on position (equidistantly genome-wide, inside genes, linkage disequilibrium pruned or on single chromosomes), as long as the total number of SNPs used was above ~5000. Predictive abilities obtained by removing relatedness between training and validation sets fell near zero for E. benthamii and were halved for E. pellita. These results corroborate the current view that relatedness is the main driver of genomic prediction, although some short-range historical linkage disequilibrium (LD) was likely captured for E. pellita. A GWAS identified only one significant association for volume growth in E. pellita, illustrating the fact that while genome-wide regression is able to account for large proportions of the heritability, very little or none of it is captured into significant associations using GWAS in breeding populations of the size evaluated in this study. Conclusions: This study provides further experimental data supporting positive prospects of using genome-wide data to capture large proportions of trait heritability and predict growth traits in trees with accuracies equal or better than those attainable by phenotypic selection. Additionally, our results document the superiority of the whole-genome regression approach in accounting for large proportions of the heritability of complex traits such as growth in contrast to the limited value of the local GWAS approach toward breeding applications in forest trees. Made available in DSpace on 2017-11-20T23:23:28Z (GMT). No. of bitstreams: 1 2017PauloEBMCGGenomicprediction.pdf: 1784349 bytes, checksum: 9e3f6bd3a34bde2eb849a353fa8ba2f6 (MD5) Previous issue date: 2017-11-20

Although thousands of scientific articles have been published on the subject of marker-assisted selection (MAS) and quantitative trait loci (QTL), the application of MAS for QTL in plant breeding has been restricted. Among the main causes for this limited use are the low accuracy of QTL mapping and the high costs of genotyping thousands of plants with tens or hundreds of molecular markers in routine breeding programs. Recently, new large-scale genotyping technologies have resulted in a cost reduction. Nevertheless, the MAS for QTL has so far been limited to selection programs using several generations per year, where phenotypic selection cannot be performed in all generations, mainly in recurrent selection programs. Methods of MAS for QTL in breeding programs using self-pollination have been developed. Embora milhares de artigos científicos tenham sido publicados com os temas de seleção assistida por marcadores (SAM) e quantitative trait loci (QTLs), a utilização de SAM para QTLs tem tido uso limitado nos programas de melhoramento genético. Entre as principais causas para este baixo uso, estão a baixa precisão com que os QTLs são mapeados, e o alto custo da genotipagem de milhares de indivíduos com dezenas ou centenas de marcadores moleculares, nas rotinas dos programas de melhoramento. Recentemente, novas tecnologias de genotipagem em larga escala têm permitido a redução do custo de genotipagem. Ainda assim, atualmente a SAM para QTLs tem sido limitada à seleção em programas que utilizem diversas gerações por ano, onde a seleção fenotípica não pode ser realizada em todas as gerações, especialmente em programas de seleção recorrente. Métodos para SAM para QTLs em programas que utilizem autofecundação têm sido desenvolvidos.

Os primeiros estudos de identificação, caracterização e utilização de marcadores moleculares para a caracterização de recursos genéticos e geração de ferramentas para o melhoramento animal datam do final da década de 80. Nos últimos 20 anos as tecnologias para geração de dados moleculares passaram por vários ciclos de renovação. A última onda de inovações tecnológicas representa uma verdadeira revolução e trouxe metodologias para identificar e genotipar marcadores SNP (do inglês Single Nucleotide Polimorphism) de maneira massal. Chips de DNA de alta densidade foram criados para genotipar de dezenas de milhares até centenas de milhares de marcadores SNP em um único ensaio. Além disso, outras tecnologias de média densidade permitem também a genotipagem de dezenas a centenas de marcadores, em números elevados de amostras, com altíssima velocidade e automação. Essas novas tecnologias permitiram a geração de novas aplicações, como as metodologias para avaliação genética e seleção com base no Valor Genômico (Genomic Estimated Breeding Value- GEBV). Os métodos estatísticos para avaliação e seleção genômica estão em pleno desenvolvimento, mas a tecnologia já se tornou uma realidade com o lançamento do primeiro sumário de touros para a raça Holandesa com GEBVs para características de produção e qualidade do leite em janeiro de 2009. Além disso, essas tecnologias também trouxeram novas opções para desenvolvimento de testes diagnósticos para confirmação de paternidade, identificação individual, rastreabilidade, etc. Além dessas inovações, as novas tecnologias de genotipagem de marcadores SNP facilitaram também o desenvolvimento de serviços terceirizados de geração de dados, permitindo que qualquer grupo realize pesquisas avançadas, sempre com as tecnologias mais avançadas, sem a necessidade de investimentos em equipamentos.

A simulação tem contribuído para o avanço da genômica nas diversas áreas do melhoramento genético. Foram simulados mapeamentos genéticos utilizando diferentes densidades de marcadores para estimar os valores fenotípicos na seleção assistida por marcadores (SAM), em características quantitativas com valores de herdabilidade de 0,10; 0,40; e 0,70. Procedeu-se a análise de agrupamento com os desempenhos fenotípicos, cuja finalidade foi obter estruturas de classificação entre as densidades visando à otimização na detecção de QTL. O sistema de simulação genética (Genesys) foi utilizado para três genomas (cada qual constituído de uma única característica cuja distinção estava no valor da herdabilidade) e para as populações base e inicial. Cada população inicial foi submetida à seleção assistida por marcadores por 20 gerações consecutivas, em que os genitores selecionados acasalavam-se seletivamente entre os melhores e os piores. O mapeamento empregando de média a alta densidade de marcadores assinalou eficiência nos progressos fenotípicos obtidos com a SAM. Menores quantidades de marcadores são requeridas para manter determinado poder de detecção de QTL à medida que se eleva a magnitude da herdabilidade. A análise de agrupamento indicou otimização e correspondência nos incrementos fenotípicos ao admitir as densidades de 4 e 6 cM; 4, 6, 8 e 10 cM; e 6 e 8 cM para as herdabilidades de 0,10; 0,40; e 0,70, respectivamente. Simulation has contributed to the advancement of genomics in the different areas of genetic improvement. Genetic mappings were simulated using different densities of genetic markers to estimate phenotypic values of quantitative traits with heritabilities of 0.10; 0.40 and 0.70 in marker assisted selection (MAS). Cluster analysis with phenotypic performances was carried out to generate classification structures among the densities aiming to optimize QTL detection . The genetic simulation system (Genesys) was used to simulate three genomes (each consisting of a single characteristic differing in the heritability value) and the base and original populations. Each initial population was subjected to selection assisted by markers for 20 consecutive generations, in which selected parents mated selectively, between best and worst. The mapping using medium to high marker density showed efficiency in the phenotypic progress obtained with MAS. Smaller marker quantities are required to maintain power of QTL detection with increase in heritability. The cluster analysis indicated optimization and correspondence in phenotypic increases, when allowing the densities of 4 and 6 cM, 4, 6, 8 and 10 cM, and 6 and 8 cM for the heritabilities of 0.10; 0.40 and 0.70, respectively.

Genomics will improve the efficiency of beef cattle genetic improvement programs through the incorporation of genomic predictions into traditional genetic evaluations. The global dairy cattle breeding industry has been changed considerably in the last year through the implementation of genomic selection. Now proven to work in dairy cattle breeding, the challenge remains for the beef industry to successfully implement this technology. The primary challenge in beef cattle is the required resource population that relates genomic profile to phenotypic performance, which is quite large and its establishment will require collaboration or a significant investment by any one enterprise. Another challenge in beef cattle is the requirement for genomic predictions to function across breeds, which will require denser marker panels. Opportunities to increase genetic progress include increased accuracy of selection, reduced generation interval, increased selection intensity and better utilization of limited recording capacity, such as individual feed intake, along with opportunities to genetically change novel traits. Implementation of a low density panel at the commercial level will allow informative decisions based on genetic potential at all levels of the production chain. This reduced panel will include predictive SNP based on fine QTL mapping efforts, combined with additional SNP to enable imputation of genotypes from a high density SNP panel, when combined with high density genotypes of key ancestors, such as sires. With electronic recording in cattle, a single genotyping event on each animal would provide information throughout the beef production chain, which will create the incentive for genetic change. Genomics will create new opportunities for reproductive technologies such as embryo transfer as elite females will be identified with increased accuracy. Potential changes to the structure of the breeding industry are discussed including changes to recording strategies and the development of novel beef products. A genômica oferece um caminho para melhorar a eficiência dos programas de melhoramento genético de gado de corte por meio da incorporação de predições genômicas do mérito genético nas availações genéticas tradicionais. A indústria global de melhoramento de gado leiteiro mudou consideravelmente no último ano pela implementação da seleção genômica. Com a confirmação de que ela funciona no melhoramento de gado leiteiro, o desafio continua para a indústria de gado de corte a fim de implementar com sucesso esta tecnologia. O maior desafio para a implementação em gado de corte é a população-referência, que relaciona o perfil genônico com o desempenho produtivo. A população-referência necessária é bastante grande e o seu estabelecimento requer colaboração ou investimento significativo de qualquer entidade. Outro desafio no gado de corte é a necessidade de que as predições genômicas funcionem entre as diversas raças, o que exigirá painéis mais densos de marcadores genéticos. As oportunidades de incrementar o progresso genético incluem o aumento da acurácia de seleção, a redução do interval de gerações e o aumento da intensidade de seleção, além de melhor capacidade limitada de medição de certas características, como consumo alimentar individual e criação de oportunidades de mudança genética em novas característcas. A implementação de um painel de baixa densidade em nível comercial permitirá decisões mais informadas, baseadas no potencial genético em todos os níveis da cadeia de produção. Este painel reduzido incluirá SNP preditivas, baseadas em esforços de mapeamento fino de QTL, combinadas com SNP adicionais para permitir a imputação de genótipos de um painel de SNP de alta densidade, quando combinado com os genótipos do painel de alta densidade de ancestrais importantes, tais como touros. Com a medição eletrônica em gado de corte, uma simples genotipagem de cada animal fornecerá informação através de toda a cadeia de produção, o que, em contrapartida, criará um incentivo para mudança genética. A genômica criará novas oportunidades para tecnologias reprodutivas, como a transferência de embriões, pois as fêmeas elite serão indentificadas com mais acurácia. Mudanças potenciais na estrutura da indústria de melhoramento animal são discutidas, incluindo oportunidades para reduzir custos de obtenção de touros superiores, mudanças nas estratégias de medição fenotípica e desenvolvimento de novos produtos cárneos.