Métodos estadísticos multivariados en el estudio de la interacción genotipo ambiente en caña de azúcar
Barra lateral del artículo
Contenido principal del artículo
Resumen
La interacción genotipo-ambiente (IGA) es un importante componente de los programas de mejoramiento genético de plantas dedicados al desarrollo de nuevos cultivares. El objetivo del presente trabajo fue aplicar diferentes métodos estadísticos multivariados como el Análisis de Coordenadas Principales (ACA), modelo de efectos principales aditivos e interacción multiplicativa (AMMI) y el análisis de regresión de sitios (GGE), para comparar su utilidad y eficiencia en el estudio de la IGA y la estabilidad fenotípica en cultivares de caña de azúcar. Los datos analizados corresponden a cuatro estudios multiambientales conducidos en la región sur oriental de Cuba, con 15 cultivares de caña de azúcar, sobre la variable tonelada de caña.ha-1. Se encontró predominio del efecto ambiental en la varianza total (65.2 %), seguido de la IGA (25.8 %). El análisis de cluster sugirió agrupamiento de las localidades, diferenciándose unas de otras, sin embargo, la agrupación realizada por el modelo GGE generó tres ambientes. Resultados similares mostraron los modelos AMMI y GGE en la descripción del patrón de comportamiento de la IGA y la estabilidad fenotípica de los cultivares, correspondiendo la mayor extracción de la varianza al biplot GGE2 (77.0 %), seguido del biplot AMMI1 (50.2 %). Al comparar los resultados de estos dos modelos con el análisis de ACA, no se encontró total coincidencia en sus resultados, por lo que los dos primeros resultaron más adecuados.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes de la Licencia CC Reconocimiento-NoComercial 4.0 Internacional (CC BY-NC 4.0):
Usted es libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y crear a partir del material
El licenciador no puede revocar estas libertades mientras cumpla con los términos de la licencia.
Bajo las condiciones siguientes:
- Reconocimiento — Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace.
- NoComercial — No puede utilizar el material para una finalidad comercial.
- No hay restricciones adicionales — No puede aplicar términos legales o medidas tecnológicas que legalmente restrinjan realizar aquello que la licencia permite.
La revista no se responsabiliza con las opiniones y conceptos emitidos en los trabajos, son de exclusiva responsabilidad de los autores. El Editor, con la asistencia del Comité de Editorial, se reserva el derecho de sugerir o solicitar modificaciones aconsejables o necesarias. Son aceptados para publicar trabajos científico originales, resultados de investigaciones de interés que no hayan sido publicados ni enviados a otra revista para ese mismo fin.
La mención de marcas comerciales de equipos, instrumentos o materiales específicos obedece a propósitos de identificación, no existiendo ningún compromiso promocional con relación a los mismos, ni por los autores ni por el editor.
Cómo citar
Referencias
Crossa, J. 1990. Statistical analyses of multilocation trials. Adv. Agron. 44:55–85.
Estrada C. B y Martínez V. 2003. Estabilidad del rendimiento de grano de híbridos de maíz usando mejores predoctores lineales insesgados. Agrociencia 37:605-616.
Flores, F., Moreno, M.T. y Cubero, J. I. 1998. A comparison of univariate and multivariate methods to analyze GE interaction. Field Crops Research 56, 271–286.
García, H. 2004. Optimización del proceso de selección de variedades de caña de azúcar tolerantes al estrés por sequía y mal drenaje en la región central de Cuba. Tesis presentada en opción al grado Científico de Dr. en Ciencias Agrícolas. INICA.
Gauch, H.G. 2006. Statistical Analysis of Yield Trials by AMMI and GGE. Crop Sci. 46:1488–1500.
Gauch H. G., Hans-Peter P., y Annicchiarico P. 2008. Statistical Analysis of Yield Trials by AMMI and GGE: Further Considerations. Crop Sci. 48:866–889.
Glaz B. and Kang S. M. 2008. Location Contributions Determined via GGE Biplot Analysis of Multienvironment Sugarcane Genotype-Performance Trials. Crop Sci. 48:941-950.
Hamdi, H. 2009. Bases para el establecimiento de un programa de mejora genética de la caña de azúcar para las condiciones de estrés ambiental de la provincia Khuzestán, Iran. Tesis en opción al grado de Dr. en ciencias agrícolas. 98pp. INICA.
Hernández, A; Pérez, J.M; Bosch, D. y Rivero, L. 1999. Nueva Versión de Clasificación Genética de los Suelos de Cuba. AGRINFOR, 64 pp.
Ibañez M. A., Di Renzo M. A._, Samame S. S., Bonamico N. C., Poverente M.M. 2001. Genotype–environment interaction of lovegrass forage yield in the semi-arid region of Argentina. Journal of Agricultural Science, Cambridge, 137, 329–336.
Jorge, H.; R. González, M. Casas e Ibis Jorge. 2002. Normas y Procedimientos del Programa de Mejoramiento Genético de la Caña de Azúcar en Cuba. Boletín No. 1 Cuba&Caña. INICA. 308p.
Lavoranti J. O. 2003. Estabilidade e adaptabilidade fenotípica atraves da reamostragem “bootstrap” no modelo AMMI. Tese apresentada a Escola Superior de Agricultura "Luiz de Queiroz", Universidade de São Paulo, para obtencao do título de Doctor em Agronomia, Área de
Concentração: Estatística e Experimentação Agronômica. Piracicaba 166 pp.
Martin J.A. 2004. A comparison of statistical methods to describe genotype x environment interaction and yield stability in multi-location maize trials. Thesis for the degree Magister Scientiae Agriculturae in the Faculty of Agriculture, Department of Plant Sciences at the University of the Free State. Bloemfontein. South Africa, 100p.
Westcott, B. 1987. A method of assessing the yield stability of crop genotypes. Journal of Agricultural Sciences, 108:2:267-274.
Yan, W., L.A. Hunt, Q. Sheng, and Z. Szlavnics. 2000. Cultivar evaluation and mega-environment investigation based on the GGE biplot. Crop Sci. 40: 597-605.
Yan W., Cornelius P. L., Crossa J., y Hunt L. A. 2001. Two Types of GGE Biplots for Analyzing Multi-Environment Trial Data. Crop Sci.. 41:656–663.
Yan, W., and N.A. Tinker. 2006. Biplot analysis of multi-environment trial data: Principles and applications. Can. J. Plant Sci. 86:623–645.
Yan, W., M.S. Kang, B. Ma, S. Woods, and P.L. Cornelius. 2007. GGE biplot vs. AMMI analysis of genotype-by-environmentdata. Crop Sci. 47:643–655.