Search

Identifying high-yield genotypes under low water availability is an important goal for soybean breeding. However, a major bottleneck lies in phenotyping, particularly in selecting cost-efficient markers associated with stress tolerance and yield stabilization. Here, we conducted in-depth phenotyping experiments using two soybean genotypes with contrasting drought tolerance, MUNASQA (tolerant) and TJ2049 (susceptible), aiming to identify and statistically validate stress tolerance and yield stabilization markers. Firstly, at the R5 critical reproductive stage, the molecular differences between the genotypes responses to mild water deficit were explored through massive analysis of cDNA ends (MACE)-transcriptomic and gene ontology. MUNASQA transcriptional profile, compared to TJ2049, revealed significant differences when responding to drought. Next, both genotypes were phenotyped under mild water deficit, imposed in vegetative (V3) and R5 stages, by evaluating 22 stress-response, growth and water-use markers, which were subsequently correlated between phenological stages and with yield. Several markers showed high consistency, independent of the phenological stage, demonstrating the effectiveness of the phenotyping methodology and its possible use for early selection. Finally, these markers were classified and selected according to their cost-feasibility, statistical weight and correlation with yield. Here, pubescence, stomatal density and canopy temperature depression emerged as promising markers for early selection of drought-tolerant soybeans.

Los resultados de la Red de Evaluación de Macroparcelas de soja del Noroeste Argentino de las últimas 21 campañas agrícolas fueron comparados, con el objetivo de profundizar el estudio del comportamiento de las variedades en diferentes años y condiciones ambientales.Los rindes de la red de la campaña 2019/2020 fueron muy superiores al promedio, al igual que los de las campañas predecesoras (2014 a 2019). El rendimiento promedio de las variedades de ciclo corto en la última campaña fue algo inferior al mejor promedio histórico de la Red, mientras que al promedio de las largas fue similar al mejor promedio. En la campaña 2019/2020 el promedio de los cultivares de ciclos largos fue superior al de los cortos, similar a la tendencia de la serie histórica 1999/2020. Sin embargo, el análisis por períodos de buenos rendimientos versus períodos de bajos rindes indica que, ante mejores ambientes, las variedades de ciclo corto son las que expresan su potencial de rendimiento, mientras que cuando el ambiente es desfavorable (principalmente por estrés hídrico) serán los cultivares largos los que generan mejores rendimientos. Finalmente, se observan variedades que a lo largo de los últimos ciclos agrícolas en que participaron no superaron al rendimiento promedio de su testigo (DM 60i62 IPRO); mientras que entre las de ciclo largo la mayoría supera a su testigo en rendimiento, destacándose NS 8018, DM 67i70, Tukuy y ACA 7890. Fil: Sánchez, José Ramón. Provincia de Tucumán. Ministerio de Desarrollo Productivo. Estación Experimental Agroindustrial "Obispo Colombres" (P); Argentina Fil: Ledesma Rodriguez, Fernando. Provincia de Tucumán. Ministerio de Desarrollo Productivo. Estación Experimental Agroindustrial "Obispo Colombres" (P); Argentina Fil: Gómez, César Horacio. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tucumán. Instituto de Tecnología Agroindustrial del Noroeste Argentino. Provincia de Tucumán. Ministerio de Desarrollo Productivo. Estación Experimental Agroindustrial "Obispo Colombres" (p). Instituto de Tecnología Agroindustrial del Noroeste Argentino; Argentina Fil: Escobar, Marcela. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tucumán. Instituto de Tecnología Agroindustrial del Noroeste Argentino. Provincia de Tucumán. Ministerio de Desarrollo Productivo. Estación Experimental Agroindustrial "Obispo Colombres" (p). Instituto de Tecnología Agroindustrial del Noroeste Argentino; Argentina Fil: Sanchez Lizarraga, Lucila. Provincia de Tucumán. Ministerio de Desarrollo Productivo. Estación Experimental Agroindustrial "Obispo Colombres" (P); Argentina Fil: López, Gabriela Celeste. Provincia de Tucumán. Ministerio de Desarrollo Productivo. Estación Experimental Agroindustrial "Obispo Colombres" (P); Argentina Fil: Rojas Vázquez, Lourdes. Provincia de Tucumán. Ministerio de Desarrollo Productivo. Estación Experimental Agroindustrial "Obispo Colombres" (P); Argentina Fil: Peña Malavera, Andrea Natalia. Provincia de Tucumán. Ministerio de Desarrollo Productivo. Estación Experimental Agroindustrial "Obispo Colombres" (P); Argentina Fil: Devani, Mario Rodolfo. Provincia de Tucumán. Ministerio de Desarrollo Productivo. Estación Experimental Agroindustrial "Obispo Colombres" (P); Argentina

The incidence and prevalence of strawberry viruses were determined in surveys of randomly selected strawberry plants grown in different regions of Argentina. In 2009 and 2010, 1034 plants from 28 fields and 1060 plants from 33 fields, respectively, were collected from Lules and Coronda. The samples were analysed by double‐antibody sandwich enzyme‐linked immunosorbent assay to detect Strawberry mild yellow edge virus (SMYEV). In 2014, 606 plants from 43 fields in Lules, Coronda and Mar del Plata were analysed by reverse transcription polymerase chain reaction with primers specific for SMYEV, Strawberry crinkle virus (SCV), Strawberry mottle virus (SMoV) and Strawberry polerovirus 1 (SPV1). The SMYEV incidence was 4–35%, while prevalence was 60–100%, depending on the year and region sampled. Meanwhile, SMoV and SPV1 incidences were 8–17%, and prevalences were 46–62%, depending on the virus and region sampled. SCV was observed relatively low (incidence was 0.5–8% and prevalence was 8–50%), although it was more abundant in Mar del Plata than in the other analysed regions. Spearman's correlation analysis indicated that SCV and SMYEV were correlated with disease symptoms (P < 0.005). A principal component analysis revealed a close relationship between SMYEV and SCV in Mar del Plata, in which the lowest temperatures were recorded. Interactions among viruses, regions and climatic conditions will need to be studied in greater detail. Accurately determining the incidence and prevalence of viruses in different regions will improve estimations of possible damages or yield decreases caused by viral infections during strawberry production.

Sweet potato, in Argentina, is affected by the “encrespamiento amarillo”, a viral disease in which seven viruses are involved, among them two potyvirus (sweet potato feathery mottle virus - SPFMV and sweet potato virus G - SPVG) and a crinivirus (sweet potato chlorotic stunt virus - SPCSV). This research aimed to study the interaction between SPFMV and SPVG with SPCSV in sweet potato. Two sweet potato cultivars (Gem and Arapey INIA) and Ipomoea setosa as an indicator susceptible plant were tested as single (SPFMV or SPVG), double (SPFMV + SPVG, SPFMV + SPCSV or SPVG + SPCSV) or triple (SPFMV + SPVG + SPCSV) grafts. Both potyviruses were purified and the viral concentrations in the plant tissues were quantified by the DAS-Elisa method. The viruses and their severities were evaluated at 7, 15, 21, 30 and 35 days post-inoculation. A synergistic effect was observed with the three viruses in the indicator plant. The viral concentration increase was 50 times for SPFMV (day 35) and two times for SPVG (day 21) in the Gem cultivar, and 1.89 times for SPFMV (day 35) and three times for SPVG (day 7) in the Arapey INIA. For multiple infections, the indicator plant and the Gem cultivar exhibited synergistic symptoms and increase in the viral titers, with a higher severity and variability of the symptoms. Co-infections such as SPFMV + SPVG showed characteristic potyvirus symptoms, without increasing the viral concentrations; triple co-infections exhibited viral complex symptoms, with increase in the potyvirus titers; and the symptoms were mild or imperceptible in the simple infections. Na Argentina, a batata-doce é afetada pelo “encrespamiento amarillo”, uma virose causada por um complexo de sete vírus, dentre eles dois potyvírus (sweet potato feathery mottle virus - SPFMV e sweet potato virus G - SPVG) e um crinivírus (sweet potato chlorotic stunt virus - SPCSV). Objetivou-se estudar a interação entre SPFMV e SPVG com SPCSV em batata-doce. Duas cultivares de batata-doce (Gem e Arapey INIA) e Ipomoea setosa como planta indicadora sucetível foram testadas como enxertos único (SPFMV ou SPVG), duplo (SPFMV + SPVG, SPFMV + SPCSV ou SPVG + SPCSV) ou triplo (SPFMV + SPVG + SPCSV). Ambos os potyvírus foram purificados e as concentrações virais nos tecidos das plantas foram quantificadas pelo método DAS-Elisa. Os vírus e suas severidades foram avaliados aos 7, 15, 21, 30 e 35 dias após a inoculação. Observou-se efeito sinérgico com os três vírus na planta indicadora. O aumento da concentração viral foi de 50 vezes para SPFMV (dia 35) e duas vezes para SPVG (dia 21) na cultivar Gem e de 1,89 vezes para SPFMV (dia 35) e três vezes para SPVG (dia 7) na Arapey INIA. Em múltiplas infecções, a planta indicadora e a cultivar Gem exibiram sintomas de sinergia e aumento nos títulos virais, com maior severidade e variabilidade dos sintomas. Coinfecções como SPFMV + SPVG mostraram sintomas característicos de potyvírus, sem aumentar as concentrações virais; coinfecções triplas apresentaram sintomas do complexo viral, com aumento nos títulos dos potyvírus; e os sintomas foram leves ou imperceptíveis nas infecções simples. Fil: Flamarique, Sofia Solange. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina Fil: Vilanova Perez, Antonella. Instituto Nacional de Tecnología Agropecuaria. Centro de Investigaciones Agropecuarias. Instituto de Patología Vegetal; Argentina Fil: Peña Malavera, Andrea Natalia. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tucumán. Instituto de Tecnología Agroindustrial del Noroeste Argentino. Provincia de Tucumán. Ministerio de Desarrollo Productivo. Estación Experimental Agroindustrial "Obispo Colombres" (p). Instituto de Tecnología Agroindustrial del Noroeste Argentino; Argentina Fil: Martino, Julia Andrea. Instituto Nacional de Tecnología Agropecuaria. Centro de Investigaciones Agropecuarias; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba; Argentina Fil: Di Feo, Liliana del Valle. Instituto Nacional de Tecnología Agropecuaria. Centro de Investigaciones Agropecuarias. Instituto de Patología Vegetal; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba; Argentina

En este texto se describen modelos de asociación que permiten realizar GWAS en paneles de líneas diversas, aún cuando éstas se encuentran estructuradas genéticamente. Para evitar falsos descubrimientos de asociaciones se trabaja primero identificando la estructura genética subyacente en la población de mapeo y luego incorporando la información de correlación entre líneas en los modelos. Adicionalmente, se controla la inflación de la tasa de falsos positivos debida a la inferencia simultánea o multiplicidad de prueba estadísticas que deben realizarse en estudios de asociación con muchos MM. Para facilitar el ajuste de estos modelos se describe el nuevo menú de MA embebido en el software para análisis de datos genéticos Info-Gen (Balzarini y Di Rienzo, 2018) y códigos para implementar cada uno de los procedimientos estadísticos descriptos, tanto para el análisis de EGP como para MA, usando el software R (www.R-org.com). En la última parte de este documento se ilustra cómo trabajar directamente en Info- Gen y cómo ejecutar scripts de R desde el intérprete de R disponible en Info-Gen. Fil: Bruno, Cecilia Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Cátedra de Estadística y Biometría; Argentina. Fil: Bruno, Cecilia Inés. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET). Centro Científico Tecnológico (CCT Córdoba); Argentina. Fil: Videla, Eugenia. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Cátedra de Estadística y Biometría; Argentina. Fil: Peña Malavera, Andrea Natalia. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET). Instituto de Tecnología Agroindustrial del Noroeste Argentino (ITANOA); Argentina. Fil: Peña Malavera, Andrea Natalia. Estación Experimental Agroindustrial Obispo Colombres (EEAOC). Instituto de Tecnología Agroindustrial del Noroeste Argentino (ITANOA); Argentina. Fil: Balzarini, Mónica Graciela. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Cátedra de Estadística y Biometría; Argentina. Fil: Balzarini, Mónica Graciela. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET). Centro Científico Tecnológico (CCT Córdoba); Argentina.

Las pruebas de asociación entre marcadores moleculares y variables fenotípicas son cruciales para la identificación de QTL (Quantitative Trait Loci). Los avances biotecnológicos incrementaron la disponibilidad de marcadores genéticos y consecuentemente el número de pruebas de la asociación fenotipo-genotipo. El incremento de pruebas de significancia estadística a realizar en simultaneo (multiplicidad) demanda correcciones de los valores-p obtenidos para cada prueba de hipótesis de manera de mantener acotada las tasas de error para la familia de pruebas de asociación. Las correcciones estadísticas clásicas para el problema de multiplicidad, como Bonferroni, el método de control de la tasa de falsos descubrimientos (FDR) y el número efectivo de pruebas (Meff), son ampliamente usadas, pero fueron desarrolladas para datos independientes. Sin embargo, cuando las poblaciones de mapeo están genéticamente estructuradas los datos dejan de ser independientes. En este trabajo, proponemos un método de corrección por multiplicidad basado en estimación del número efectivo de pruebas desde un modelo que ajusta por la estructura de correlación subyacente. Se evalúa el desempeño del procedimiento propuesto a través del análisis de los valores-p obtenidos para un conjunto de QTL simulados. Los resultados sugieren que el método propuesto provee control de la tasa de falsos positivos y presenta mayor potencia que otros métodos de corrección por multiplicidad usados en mapeo asociativo. The association tests between molecular markers and phenotypic traits are crucial for the Quantitative Trait Loci (QTL) identification. Biotechnological advances increased the molecular marker information; consequently, the number of genotype-phenotype association tests required incremented too. The multiple statistical inferences (multiplicity) demand corrections of the p-values obtained for each comparison in order to keep limited the error rates for the family of association tests. However, classic statistical correction methods such as Bonferroni, False Discovery Rate (FDR) and the Effective Number of Independent Test (Meff) were developed in the context of independent data. Wherever, when the population genetic structure is present, the data are no longer independent. In this paper, we propose a method of correction for multiplicity based on estimation of the effective number of tests from a model that adjust for the underlying correlation structure. We evaluate the performance of the proposed procedure in the estimation of p-values for a set of simulated QTL. The results suggest that the proposed method provides control of FDR and has more power than other methods for multiplicity correction used in association mapping. Fil: Peña Malavera, Andrea Natalia. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Departamento de Desarrollo Rural. Área de Estadística y Biometría; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba; Argentina Fil: Bruno, Cecilia Ines. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Departamento de Desarrollo Rural. Área de Estadística y Biometría; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba; Argentina Fil: Balzarini, Monica Graciela. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Departamento de Desarrollo Rural. Área de Estadística y Biometría; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba; Argentina

Las enfermedades virales pueden afectar la estabilidad de la producción de poroto común (Phaseolus vulgaris L.), por lo que es de interés evaluar el comportamiento de diferentes cultivares y líneas avanzadas del programa de mejoramiento de IIACS INTA, frente a infecciones naturales. Se trabajó, durante tres campañas agrícolas con 14 cultivares, evaluándose severidad de síntomas, incidencia y concentración relativa de los virus Cucumber mosaic virus (CMV), Cowpea mild mottle virus (CpMMV), Alfalfa mosaic virus (AMV), Soybean mosaic virus (SMV) y geminivirus. Se encontró muy baja incidencia de SMV y AMV en las tres campañas. Se hallaron diferencias en comportamiento entre los cultivares evaluados: L24 y L15 fueron tolerantes a begomovirus, mientras que CR8, CR5 y L22 (poroto tipo cranberry y blancos) exhibieron susceptibilidad. Los síntomas más severos se observaron en el 2013, cuando hubo una alta incidencia de begomovirus y CpMMV. No existieron diferencias entre cultivares para incidencia de CpMMV, pero se encontró una mayor concentración relativa de virus para CR5, CR8 y L17. L15, aunque tolerante a geminivirus, fue el más susceptible a CMV, hecho a tener en cuenta porque esta virosis se transmite por semilla y puede llegar a afectar significativamente la producción de poroto. Viral diseases can affect the stability of common bean (Phaseolus vulgaris L.) production, therefore it was considered of interest to evaluate the behavior of different cultivars and promising lines obtained by the INTA breeding program against natural virus infection. Symptoms severity, incidence and relative concentration of Cucumber mosaic virus (CMV), Cowpea mild mottle virus (CpMMV), Alfalfa mosaic virus (AMV), Soybean mosaic virus (SMV) and geminiviruses were evaluated for 14 bean cultivars during three growing seasons. SMV and AMV were found in very low incidence during the three years. Differences in cultivar response were observed: L24 and L15 were tolerant to begomoviruses, while CR8, CR5, L22 (cranberry and white bean types) were susceptible. The most severe symptoms were found during the 2013 growing season, when a high incidence of begomovirus and CpMMV were observed. No differences between cultivars were found for CpMMV incidence, but a higher relative concentration of virus was detected in CR5, CR8 and L17. Although L15 was tolerant to geminiviruses, it was the most susceptible to CMV, a fact that must be taken into account because this virus is transmitted by seeds and might become a serious problem in bean production. Instituto de Patología Vegetal Fil: Rodriguez Pardina, Patricia. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; Argentina Fil: Reyna, Pablo Gastón. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; Argentina. Concejo Nacional de Investigaciones Científicas y Técnicas; Argentina Fil: Campos, Ramon Eduardo. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; Argentina Fil: Varela, Gonzalo Matías. Universidad Nacional de Córdoba. Facultad de Ciencias Médicas. Cátedra de Bioquímica y Biología Molecular; Argentina Fil: Peña Malavera, Andrea Natalia. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina Fil: Geronimo, Luis Marcelo. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituuto de Investigación Animal del Chaco Semiárido; Argentina

Tesis (DCI)--FCEFN-UNC, 2015 El mapeo asociativo (MA) o GWAS (por sus siglas en inglés, Genome Wide Association Study) es usado para encontrar lugares específicos del genoma relacionados con la variación de un carácter fenotípico. Es una práctica difundida en el mejoramiento vegetal, ya que posibilita el uso de poblaciones no diseñadas experimentalmente. Sin embargo, se ha detectado que en poblaciones con estructura genética (EG), la cantidad de falsos positivos en la asociación marcador-carácter puede aumentar significativamente. La modelación estadística que incorpora información sobre la estructura genética poblacional hace más eficiente el MA. Un objetivo de esta tesis es evaluar métodos estadísticos para identificar EG, usar dicha estructura en modelos de mapeo y realizar pruebas de hipótesis sobre la significancia de la asociación marcador-carácter. Se evalúan con este fin métodos multivariados, modelos lineales mixtos (MLM) y métodos de corrección de valor-p por multiplicidad. Como criterios de evaluación se usaron errores de clasificación de métodos orientados a identificar EG, tasas de falsos positivos, potencia estadística y distribución de valores-p para distintas combinaciones de modelos de MA y métodos de corrección por multiplicidad. El uso de mapas auto-organizativos (SOM, Self-Organizing Maps) y el algoritmo del software STRUCTURE fueron los más eficientes para identificar EG. La clasificación dada por STRUCTURE usada para contemplar EGP en el modelo de MA, disminuyó la tasa de FDR (False Discovery Rate), esta disminución fue mayor cuando estas estrategias se usaron simultáneamente con la matriz de relaciones de parentesco entre individuos como matriz de covarianza del MLM de mapeo. Se propuso un método de corrección de valores-p basado en la estimación del número efectivo de pruebas (pruebas no dependientes), similar al propuesto por Li y Ji (LJ, 1995) y que se denominó MLJ (Modified Li&Ji) y resultó más efectivo para disminuir FDR que con los métodos tradicionales Benjamini & Hochberg (1995) y Li & Ji (2005), en escenarios de alta divergencia, principalmente cuando la EGP no forma parte del modelo de MA. Fil: Peña Malavera, Andrea Natalia. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.

El mapeo asociativo (o mapeo por desequilibrio de ligamiento) permite encontrar lugares específicos del genoma relacionados con la variación de un carácter fenotípico. Es una práctica difundida en el mejoramiento de especies vegetales ya que no necesita la utilización de poblaciones provenientes de cruzamientos controlados. Sin embargo, se ha detectado que en poblaciones estructuradas genéticamente, el número de falsos positivos en la asociación marcador-carácter puede aumentar significativamente. El análisis de componentes principales constituye una herramienta para identificar la estructura y expresar la misma en un número reducido de componentes principales (CPs). Entonces, estos CPs se pueden incorporar como covariables en el modelo de asociación. Diferentes estrategias de modelado se pueden utilizar para tener en cuenta la estructura genética en el mapeo de asociación. El objetivo de este trabajo fue estimar las tasas de falsos positivos derivados de la aplicación de tres modelos estadísticos diferentes de mapeo bajo poblaciones estructuradas. Los modelos comparados fueron M1: sin corrección por estructura, M2: con las CPs como covariables de efectos fijos y M3: incluyendo las mismas CPs como covariables de efectos aleatorios en el marco de un modelo lineal mixto. La comparación se realizó usando datos reales y simulados de una especie autógama. Los resultados sugieren que la corrección con las CPs como covariables aleatorias disminuye la tasa de falsos positivos en la inferencia de asociaciones marcador-carácter. Association mapping (or linkage disequilibrium mapping) is used to find specific parts of the genome associated with phenotypic trait variation. It is a widely used in plant breeding because it allows the use of populations that do not come from specific experimental designs. If the population of individuals used in association mapping is genetically structured, the number of false positives, in the marker-trait association, increases. Several strategies can be used to model associations taken into account the underlying genetic structure. The principal components analysis can be used to identify the structure and express it in a reduced number of principal components (PCs). Then, these PCs can be incorporated as covariates in the association model. Different models strategies can be used to account for genetic structure in association mapping. The aim of this paper is to estimate expected false positive rates in association mapping performed by three different statistical models, under genetically structured populations. Compared models were M1: without correction for structure, M2: including PCs, as covariates of fixed effects, and M3: including PCs as random effects within a linear mixed model. Model comparison was performed using both, real and simulated data, for self-pollinated specie. The results suggested that the use of PCs as random covariates decreases the false positive rate in the inference of marker-trait associations. Fil: Peña Malavera, Andrea Natalia. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina Fil: Gutierrez, Luciana. Universidad de la República; Uruguay Fil: Balzarini, Monica Graciela. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina

Identifying population genetic structure (PGS) is crucial for breeding and conservation. Several clustering algorithms are available to identify the underlying PGS to be used with genetic data of maize genotypes. In this work, six methods to identify PGS from unlinked molecular marker data were compared using simulated and experimental data consisting of multilocus-biallelic genotypes. Datasets were delineated under different biological scenarios characterized by three levels of genetic divergence among populations (low, medium, and high FST) and two numbers of sub-populations (K=3 and K=5). The relative performance of hierarchical and non-hierarchical clustering, as well as model-based clustering (STRUCTURE) and clustering from neural networks (SOM-RP-Q). We use the clustering error rate of genotypes into discrete sub-populations as comparison criterion. In scenarios with great level of divergence among genotype groups all methods performed well. With moderate level of genetic divergence (FST=0.2), the algorithms SOM-RP-Q and STRUCTURE performed better than hierarchical and non-hierarchical clustering. In all simulated scenarios with low genetic divergence and in the experimental SNP maize panel (largely unlinked), SOM-RP-Q achieved the lowest clustering error rate. The SOM algorithm used here is more effective than other evaluated methods for sparse unlinked genetic data. Fil: Peña Malavera, Andrea Natalia. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina Fil: Fernandez, Elmer Andres. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina Fil: Bruno, Cecilia Ines. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Catolica de Córdoba. Facultad de Ingeniería; Argentina Fil: Balzarini, Monica Graciela. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina