- INSTRUMENTO Fondo María Viñas
- BENEFICIARIO Juan Eduardo Rosas Caissiols : INIA Treinta y Tres
- DEPARTAMENTO Treinta y Tres
- SUBSIDIO UYU 1300000
- FECHA DE INICIO 01.05.2022
- DURACIÓN 42 meses
- AÑO CONVOCATORIA 2021
- CÓDIGO FMV_1_2021_1_166351
- FASE CERRADO
- ESTADO Terminado
El programa de mejoramiento genético de arroz de INIA (PMGA) lidera desde hace décadas la oferta varietal a nivel nacional, mediante el desarrollo de variedades de alto rendimiento, calidad molinera y resistencia genética a enfermedades fúngicas. Para mantener esta posición es necesario aumentar la eficiencia de la ganancia genética, y la herramienta moderna de mayor adopción para ello es la selección genómica (SG). Ésta permite acortar el ciclo de mejoramiento mediante la selección de parentales en etapas tempranas y acelerar el desarrollo de nuevas líneas al evaluar más variabilidad en un menor tiempo y usando menos recursos. También optimiza la ganancia genética para más de un rasgo objetivo al utilizar correlaciones genéticas entre rasgos. Implementar SG en programas públicos requiere genotipado de bajo costo y rápida respuesta y la evaluación empírica de su desempeño. El PMGA ha avanzado en el genotipado genómico de germoplasma avanzado de arroz y ha evaluado la precisión de SG para rendimiento por validación cruzada. También se ha estimado el costo para el PMGA de obtener ganancia genética usando selección fenotípica y asistida por marcadores moleculares. Este proyecto tiene como objetivo principal aplicar SG multi-rasgo en el PMGA para selección de cruzamientos y desarrollo de líneas usando genotipado de bajo costo y evaluar su desempeño de forma empírica. Se contrastarán los valores predichos con los observados en ensayos multiambientales y se estimará el costo de obtener ganancia genética con distintos esquemas de mejoramiento con y sin SG. Esto permitirá generar nuevo conocimiento sobre estrategias de implementación costo-eficiente de SG en un programa público y potenciará la integración de la SG en la rutina del PMGA con mayor eficiencia en su aporte al sector productivo.
El programa de mejoramiento genético de arroz de INIA (PMGA) lidera desde hace décadas la oferta varietal a nivel nacional, mediante el desarrollo de variedades de alto rendimiento, calidad molinera y resistencia genética a enfermedades fúngicas. Para mantener esta posición es necesario aumentar la eficiencia de la ganancia genética, y la herramienta moderna de mayor adopción para ello es la selección genómica (SG). Ésta permite acortar el ciclo de mejoramiento mediante la selección de parentales en etapas tempranas y acelerar el desarrollo de nuevas líneas al evaluar más variabilidad en un menor tiempo y usando menos recursos. También optimiza la ganancia genética para más de un rasgo objetivo al utilizar correlaciones genéticas entre rasgos. Implementar SG en programas públicos requiere genotipado de bajo costo y rápida respuesta y comparar su eficiencia genética y económica con la estrategia actual. Este proyecto aplicó SG con un índice de selección (IS) combinando rendimiento, características de calidad molinera y sanidad etapa temprana de evaluación, y generó una población de líneas fijas por avance rápido generacional cuyo comportamiento será evaluado en próximas zafras. Por otra parte, se realizaron simulaciones basadas en los parámetros reales del PMGA recreando el escenario de selección fenotípica actual (S1), y tres escenarios alternativos: combinando SG con selección fenotípica (S2), SG con modelos entrenados durante 4 años de ensayos de campo (S3) y SG con modelos entrenados en 2 años de ensayos de campo (S4). Se encontraron precisiones de selección de 0,07 (S1), 0,41 (S2), 0,28 (S3) y 0,23 (S4). La baja precisión de S1 se atribuyó a la baja correlación entre la selección visual en etapas segregantes con los rasgos que conforman el IS. Los costos totales anuales estimados fueron de USD 122255 (S1), USD 273651 (S2), USD 364397 (S3) y USD 318533 (S4). Las ganancias genéticas anuales máximas (asumiendo mantenimiento de la variabilidad genética de los rasgos objetivos) por USD 10000 invertidos fueron de 2,7% (S1), 10,4% (S2), 14,9% (S3) y 16,2% (S4). Estos resultados sugieren fuertemente la mayor eficiencia genética y económica de escenarios que emplean SG.