Seleção de caracteres quantitativos assistida por marcadores. João Bosco dos Santos Prof. Titular, Depto. Biologia,

Tamanho: px

Começar a partir da página:

Download "Seleção de caracteres quantitativos assistida por marcadores. João Bosco dos Santos Prof. Titular, Depto. Biologia, jbsantos@ufla."

Sebastiana Bonilha Fortunato
8 Há anos
Visualizações:

1 Seleção de caracteres quantitativos assistida por marcadores João Bosco dos Santos Prof. Titular, Depto. Biologia,

2 SAM ou MAS (Marker-Assisted Selection) - uso do crescente volume de informação genética, identificada pelos marcadores, no melhoramento de plantas, visando maior eficiência da seleção. Milho produção de grãos associada com frequência de alelos de isoenzimas (Stuber e Moll 1972). Primeiros mapas moleculares de DNA (RFLP) em milho e tomate início das expectativas com a SAM ( Helentjaris et al. 1986); 10s QTLs tomate (Paterson et al. 1988). MAS substituiria em parte a seleção fenotípica e reduziria o tempo de lançamento de novas cultivares (Mazur 1995, Trends Bitoech. 13: ).

Primeiros mapas moleculares de DNA (RFLP) em milho e tomate início das expectativas com a SAM ( Helentjaris et al.

3 Mais de 1200 mapas de QTLs nas 12 principais espécies/alimentos e estimado efeito de pelo menos QTLs marcados (Bernardo 2008): - Grande maioria dos QTLs estão nas publicações e não nas cultivares; - Há poucos exemplos de sucesso com a SAM; - É válido conhecer o n0, o local e o efeito do QTL, porém, para a SAM definir: 1. Para que identificar QTLs? 2. SAM eficiente depende do n0 e efeito do QTL; 3. Efeitos dos QTLs são geralmente instáveis; 4. Com a SAM considerar ganho/tempo em vez de ganho por ciclo.

sucesso com a SAM; - É válido conhecer o n0, o local e o efeito do QTL, porém, para a SAM definir: 1. Para que identificar QTLs?

Por que marcar QTLs: 1. Geneticistas herança, arquitetura genética; 2. Melhoristas Identificar marcadores/seleção caracteres complexos. Caráter quantitativo: 1. Poucos genes de grande efeito; 2.

4 Por que marcar QTLs: 1. Geneticistas herança, arquitetura genética; 2. Melhoristas Identificar marcadores/seleção caracteres complexos. Caráter quantitativo: 1. Poucos genes de grande efeito; 2. Muitos genes de pequeno efeito. Poucos genes: Ex. 1. QTLs para resistência ao nematóide de cisto da soja (Concibido et al. 2004) marcadores patenteados; Ex. 2. Resistência do feijão ao crestamento bacteriano (Yu et al. 2004) SSR dentro do gene da nitrato redutase Primer PVtttc001 = 70,34% da σ2p

Muitos genes de pequeno efeito. Poucos genes: Ex. 1. QTLs para resistência ao nematóide de cisto da soja (Concibido et al.

5 Muitos genes de pequenos efeitos Difícil piramidar em uma cultivar (Bernardo 2008): POR EXEMPLO 10 QTLs Situação mais simples: 2 linhagens cada uma com 5 QTLs (Qi) complementares linhagem descendente com 10 Qi = 1/1024 Situação mais complexa: 10 linhagens cada uma com 1 Qi complementares linhagem descendente com 10 Qi = 1/10bi. Qual a saída? Aumentar a frequência dos Qi favoráveis = seleção recorrente dos Qi baseada nos marcadores (MARS): Ex. Se na F2(Ciclo 0) ocorre 10 Qi independentes (fqi =0,5) Seleção pelos marcadores só QiQi e Qiqi (fqi=0,67) Se as plantas selecionadas forem frequência da linhagem com os

descendente com 10 Qi = 1/10bi. Qual a saída? Aumentar a frequência dos Qi favoráveis = seleção recorrente dos Qi baseada nos marcadores (MARS): Ex.

6 Introdução em trigo de alelos de resistência e de qualidade da cultivar Annuello para Staylet (Kuchel et al. 2007) Estratégia da SAM Alelos Marcador cm

7 MILHO DOCE - Edwards e Johnson (1994) População F2(1) F2(2) QTL/Mar cador 18/31 5/31 Freq. QTL f inicial ffinal 0,50 0,80 0,50 0,50 5/31 0,50 1,00 11/35 0,50 0,80 4/35 0,50 0,50 Marcador RFLPj = bi xij bi= peso da ith marca; xij= 1 se QiQi ou -1 se qiqi

8 Um resultado de insucesso - Introdução de produção de grãos em soja (Reyna e Sneller 2001): QTLs para 3 QTLs de alta produção, identificados com SSR da cultivar Archer adaptada no Norte do Estados Unidos; Introdução dos QTLs em duas cultivares (Asgrow A5403 e Pioneer 9641) adaptadas no Sul dos Estados Unidos. 4 grupos de linhagens quase isogênicas, para cada um dos 3 QTLs, em 2 locais e 2 anos, no Sul dos Estados Unidos. Nenhum dos QTLs foi significativo em nenhum dos caracteres; QTLs favoráveis no Norte não o são no Sul, sendo mascarados pelos alelos favoráveis das cultivares do Sul.

dos Estados Unidos. 4 grupos de linhagens quase isogênicas, para cada um dos 3 QTLs, em 2 locais e 2 anos, no Sul dos Estados Unidos.

9 Por que a SAM tem sido pouco eficiente? 1. Poder para detectar QTL (Bernardo 2002) Tamanho da população segregante h2 do caráter 2 2 Resultados de simulação: Quanto < h > população F 2 10 QTLs 31 Número de QTLs Número de QTLs 9,4 9,0 8,5 8,1 5,7 2 3,5 3,2 h = 0,95 h2 = 0, h = 0,95 h2 = 0,63 h2 = 0, h2 = 0,30 1, QTLs

Resultados de simulação: Quanto < h > população F 2 10 QTLs 31 Número de QTLs Número de

10 2. População pequena superestima o efeito do QTL h2 = 0,63 R2 de cada QTL (%) 16,3 10 X 12,8 2 X 7,2 2 6,3 10 QTLs 1,2 X = R real 3,9 2,5 X 40 QTLs 2,0 1,6 = R2 100 real 500 Número de indivíduos F2 1000

11 3. O número de QTLs observado é subestimado Observado 747 QTLs, s caracteres, s espécies, pop indivíduos % Caracteres Número de QTLs Mais de 10 Altura da planta em Milho - Número QTLs depende do número de indivíduos da população N0 indíviduos na pop. segregante N0 QTLs identificados

+ 250 indivíduos % Caracteres Número de QTLs 50 1 4 38 6 10 12 Mais de 10 Altura da

12 4. A maioria dos QTLs explica uma porcentagem pequena da variação Número de QTLs 40% fenotípica (747 QTLs) (301) 32% (240) Porcentagem da variância fenotípica devida a cada QTL 60 >60

(301) 32% (240) 5 10 15 20 25 30 35 40 45 50 55

13 5. Interação QTLs por ambientes 1. Feijão: 336 linhagens; 15ambientes MG (Melo 2000 e Teixeira 2004) N0 marcas Produção de grãos Peso 100 sementes SSR RAPD SSR RAPD Únicas Amplas Total % únicas 64,3 53,6 42,9 66,7 % amplas 35,7 46,4 57,1 33,3 2a. Milho: 9 ambientes (locais e anos), 512 progênies (Câmara 2006) Caráter Produção Grãos Prolifici dade Florescimento Florescimento Interva-lo Florec. Ramif. pendão Staygreen QTL x A (%) Intervalo R2F (%) 0,04-7,47 0,02-0,02-11,95 0,02-7,75 0,25-6,54 0,0410,87 0,048,26 N0 QTLs ns

Amplas 5 13 8 6 Total 14 28 14 18 % únicas 64,3 53,6 42,9 66,7 % amplas 35,7 46,4 57,1 33,3 2a.

14 2b. Milho: 9 ambientes (Anos/Teor Al), 512 progênies (Santos 2008) Caráter Prod. Grãos Acamamento Prolificidade Floresc. N0 QTLs QTL x A (%) Intervalo R2F (%) 0,01-0,014,31 0,015,87 0,015,00 0,013,62 0,019,85 0,0113,54 0,015,27 ns Floresc. Inter. Altura Altura Floresc. planta espiga 5,29 2c. Milho: 6 amb (Locais, épocas, anos), 500 progênies (Belicuas 2009) Produção Comprime Diâmetro N0 N0 grãos/ Peso 500 Caráter Grãos n to espiga espiga fileiras fileira grãos N0 QTLs QTL x A (%) Intervalo R2F (%) 0,07-11,22 0,01-10,96 0,02-12,41 0,03-16,66 0,2112,81 0,12-8,02

Floresc. Inter. Altura Altura Floresc. planta espiga 5,29 2c.

15 6. Interação QTLs por background e por ambientes em tomate (Chaib et al. 2006, Hospital 2009) C x L 144 RILs x Cultivares L, B, D RCmarcador : RC3S1 e RC3S3 (QTL-NILs = com 1 a 5 QTLs) Interações: Entre QTLs Comum e de QTLs x background ambientes 53% estáveis QTLs x 60% estáveis sinal oposto 23% não 20% não ao do efeito detectados detectados aditivo (+comum) 23% novos 20% novos

= com 1 a 5 QTLs) Interações: Entre QTLs Comum e de QTLs x background ambientes 53% estáveis

16 Trigo, Forragem (falso centeio), Algodão, Feijão, Mandioca, Milho, Tomate, Eucalipto, Pinus, Acácia SAM eficiente para caracteres qualitativos e alguns QTLs de grandes efeitos; QTLs de pequenos efeitos, custo/benefício da SAM é desapontador; SAM complementar ao melhoramento.

qualitativos e alguns QTLs de grandes efeitos; QTLs de pequenos

17 Esquema de seleção recorrente assistida por marcador (MARS) - Monsanto (Eathington et al. (2008)

18 Ganhos obtidos com MARS na Monsanto (Eathington et al. (2008). Seleção com Marcador de QTLs, antes florescimento, 3-4 ciclos/ ano.

19 Análise de SNPs- método Illumina-GoldenGate Cregan: www. peanutbioscience.com 1. Extensão e ligação de um alelo específico T [T/C] Genomic DNA Polymerase Universal Allele Genomic DNASpecific PCR Sequence 1 Extension & Universal Ligation PCR Sequence 2 Allele Specific Extension & Ligation [T/A] Ligase A G A G illumicode Address Custom Oligo Pool All (OPA) 96-1,536 SNPs multiplexed Total oligos in reaction 288-4,608 Universal PCR Sequence 3

PCR Sequence 1 Extension & Universal Ligation PCR Sequence 2 Allele Specific Extension & Ligation [T/A] Ligase

20 2. Amplificação por PCR A T Amplification Template PCR with Common Primers Cy3 Universal Primer 1 Cy5 Universal Primer 2 illumicode #561 Universal Primer P3

21 3. Hibridização Sentrix Array Matrix específica G/G A/A SNP #561 /\/\/\/ /\/\/\/ illumicode #1024 /\/\/\/ illumicode #217 illumicode #561 C/T SNP #217 SNP #1024

22 Sentrix Array Matrix 1.5 mm 400 µm 10 µm

23 Sentrix Array Matrix

25 Illumina BeadStation 500G permite análise, em alta escala, de milhares de SNPs, em centenas de genótipos, em menos de uma semana.

26 4. Custo de reagentes para o escaneamento de todo o genoma de 96 genótipos usando a unidade de 1536 SNPs $12,000 $ / set of 96 genotypes $10,000 $8,000 $6,000 $4,000 $2,000 $ Sets of 96 genotypes

27 Estimativa de custo por marca utilizada na SAM (valor em US$) Instituição País Espécie Custo (US$) Referência IRRI Filipinas Arroz Bertrand et al. (2007) U. Guelph Canada Feijão 2.74 Yu et al. (2000) CIMMYT México Milho Dreher et al. (2003) U. Adelaide Austrália Trigo 1.46 Kuchel et al. (2005) Dep. Agricultura Austrália Austrália Trigo 4.16 Brennan et al. (2005) Universidades e empresas privadas e públicas Estados Unidos Cevada, soja, milho, trigo Van Sanford et al. (2000), Bernardo (2008)

28 Mapeamento de SNPs em cevada. Sato e Takeda,Tag (2009).

29 Desafios para o molecular breeding (Niebur et al. 2004, Eathington et al. 2007) 1.Precisão e nível de resolução do mapeamento dos caracteres de interesse; 2.Geração de marcadores e avaliação fenotípica em alta escala; 3.Procedimentos e software para análise de muitos dados; 4.Treinamento de melhoristas para uso crítico das informações moleculares visando o melhoramento mais eficiente; 5.Custo benefício do emprego das informações moleculares; 6.Infraestrutura para geração das informações moleculares e fenotípicas;

30 Melhoramento de plantas em tempos de mudanças (Bernardo e Bohn 2007) 5 temas chaves 2006 International Plant Breeding Symposium, México: 1.Diversidade genética se útil ganho com a seleção; 1.Mudanças ambientais 1.Dados, informações, conhecimento, aplicação integração 1.Quebra de barreiras novas áreas (genômicas...) cultivares 1.Novos melhoristas e ferramentas com mesmo objetivo melhoramento de plantas Prof. Dudley (Illinois) Ex. melhorista. Um de seus lemas: In times of change, learners inherit the earth, while the learned find themselves beautifully equipped to deal with a world that no longer exists Em tempos de mudança os aprendizes herdam a terra, enquanto os que se acham cultos estão preparados para um mundo que não existe.

31 Seleção genômica ampla (GWS) Bernardo e Yu (2007); Bernardo (2009)

33 Breeding by design = Melhoramento por projeto

34 OBRIGADO

35 Eathington et al. (2007)

Documentos relacionados

STATGEN Plataforma web para análise de dados genéticos.

STATGEN Plataforma web para análise de dados genéticos. Diogo Gonçalves Neder 1 1 Introdução O melhoramento de plantas visa principalmente identificar combinações genotípicas com performance superior quando