Portal de Periódicos da CAPES

Artigo Produção Nacional Revisado por pares

BIBTEX RIS

Application of the Bayesian inference and mixed linear model method to maize breeding

2006; Pontifical Catholic University of Chile; Volume: 33; Issue: 3 Linguagem: Espanhol

10.7764/rcia.v33i3.348

0718-3267

Freddy Mora, Emmanuel Arnhold,

Genetic and phenotypic traits in livestock

This study examines genetic breeding values and variance components of popping expansion and grain production by means of Bayesian inference and a mixed linear model approach in 96 S 3 maize families. Best Linear Unbiased Predictors (BLUP) of family effect were obtained by considering the Restricted Maximum Likelihood (REML) method of variance component estimation. An Independence Chain algorithm (IC) was used as a method of Bayesian inference. Family and residual variance component values were very similar between the IC algorithm and the REML method. Heritability values showed imperceptible differences in the approximation between approaches. Differences in the standard deviation of these estimates were observed, with the REML approach clearly showing the largest result. Heritability of grain production was moderate to high for popping expansion, indicating that simple selection methods can be applied. Using an IC algorithm and the BLUP approach for breeding values, no important changes were seen infamily ranking, which was confirmed with high and significant Spearman’s correlations values (Γs) ranging from 0.9941±0.004 to 0.9973±0.001. Pearson’s correlation between the BLUP values of popping expansion and grain production was low, negative and insignificant (Γs=-0.0320%±0.02).We concluded that Bayesian inference via an IC algorithm could be an important tool to use in maize breeding like classical analysis using a mixed linear model procedure. El objetivo del presente trabajo fue examinar los valores geneticos y componentes de varianza de la capacidad de expansion y produccion de granos a traves de inferencia Bayesiana y metodologia de modelos lineales mixtos, en 96 familias S 3 de maiz ( Zea mays L.). Se obtuvieron las mejores predicciones lineares no sesgadas (BLUP) del efecto familiar, considerando el metodo de maxima verosimilitud restringida (REML) para la estimacion de componentes de varianza. El algoritmo de cadenas independientes (IC) se utilizo como un metodo de inferencia Bayesiana. Las varianzas residual y familiar fueron muy similares entre IC y REML. Las heredabilidades dieron imperceptibles diferencias entre ambas metodologias, siendo estas solo de orden de aproximacion. Diferencias evidentes fueron observadas entre las desviaciones estandar de las estimativas, siendo las de REML mayores. La heredabilidad fue moderada para la produccion de granos y alta para la capacidad de expansion, indicando que simples metodos de seleccion pueden ser aplicados. Usando IC y BLUP para la prediccion de valores geneticos, no se evidenciaron cambios relevantes en el ordenamiento de las familias, lo que fue confirmado con valores de correlacion de Spearman altos y significativos, variando desde 0,9941±0,004 a 0,9973±0,001. Correlacion de Pearson entre los valores BLUP de la capacidad de expansion y produccion de granos fue bajo, negativo y no significativo (Γs=-0,0320±0,02). Se concluyo que la inferencia Bayesiana, a traves de IC, podria ser una importante herramienta para los programas de mejoramiento del maiz, al igual que el analisis clasico de modelos lineares mixtos.