diversidade genética em cruzamentos para alto teor de óleo em

II Simpósio de Tecnologia Sucroenergética e de Biocombustíveis
DIVERSIDADE GENÉTICA EM CRUZAMENTOS PARA
ALTO TEOR DE ÓLEO EM SOJA POR MEIO DE ANÁLISE
MULTIVARIADA
GENETIC
DIVERSITY
FOR
HIGH
OIL
CONTENT
IN
SOYBEAN CROSSES USING MULTIVARIATE ANALYSIS
Fabiana Mota da Silva(1)
Elise de Matos Pereira(1)
Catarina Mardegan (2)
Daniel Carvalho Leite(1)
Sandra Helena Unêda-Trevisoli(3)
Resumo
O objetivo no trabalho foi avaliar a diversidade genética entre cruzamentos de soja por meio
da análise de componentes principais. No total, foram avaliados 16 cruzamentos, os quais
encontravam-se na geração F2. Os caracteres agronômicos avaliados foram: altura da planta
na maturidade, altura de inserção da primeira vagem, número de ramos por planta, número de
vagens por planta, número de nós por planta, peso de cem sementes, produção de grãos e teor
de óleo. Foi utilizada a análise de componentes principais para avaliar a diversidade entre os
cruzamentos. A análise de componentes principais explicou 86,2% da variância contida nas
oito variáveis originais com três componentes principais. Os caracteres APM, NV, NR, NN,
PG e %Óleo foram os que mais contribuíram para a divergência genética entre os caracteres
avaliados. A análise de componentes principais é determinante para a diversidade genética.
Palavras-chave: Glycine max. Variabilidade. Componentes Principais.
Abstract
The purpose of this study was to evaluate the genetic diversity among soybean crosses using
principal components analysis. Total 16 crosses in generation F2 were evaluated. The traits
evaluated were: plant height at maturity, height of the first hull, number of branches per plant,
number of hulls per plant, number of nodes per plant, hundred seed weight, grain yield and oil
content. The principal components analysis was used to evaluate the diversity among the
crosses. The principal component analysis explained 86.2% of the variance contained in the
eight original variables with three main components. The APM characters, NV, NR, NN, PG
and oil% were the main contributors to genetic divergence among traits. The principal
component analysis is determinant for genetic diversity.
Keywords: Glycine max. Variability. Principal Components.
1
Doutorandos do programa de Pós-graduação em Genética e melhoramento de Plantas - Unesp/FCAV-Jaboticabal. 2, Aluna do curso de
Agronomia da Unesp/FCAV-Jaboticabal, 3 Docente do departamento de produção vegetal da Unesp/FCAV-Jaboticabal. E-mail contato:
[email protected]
Ciência & Tecnologia: Fatec-JB, Jaboticabal, v. 6, p. 158-162, 2014. Suplemento.
158
II Simpósio de Tecnologia Sucroenergética e de Biocombustíveis
1 Introdução
A soja é considerada uma cultura de grande expressão, por ser a oleaginosa de maior
produção em todo o mundo. Atualmente, o Brasil é o segundo maior produtor dessa
leguminosa com uma produção de 87 milhões de toneladas (CONAB, 2014).
O estudo da diversidade genética utilizando componentes principais e caracteres
agronômicos possui grande interesse no melhoramento genético, pois permite inferir quais
caracteres são responsáveis pela maior parte da diversidade encontrada, possibilitando o
descarte de caracteres que pouco contribuem para a divergência genética dos genótipos em
estudo, reduzindo significativamente o tempo e o custo de avaliação destas características
(CRUZ, 2004).
Na literatura são encontrados trabalhos que visam estimar a diversidade genética em
soja utilizando análises multivariadas baseados nos caracteres agronômicos (REINA et al.,
2014; PRIOLLI et al., 2013). Salimi (2013) utilizando a análise de componentes principais
para estimar a diversidade genética em soja sob estresse hídrico, concluiu que sete
componentes principais explicaram 82% da variação total dos dados em condições de
estresse. As características número de dias para o florescimento, número de sementes,
produtividade e teor de óleo foram eficientes na discriminação da diversidade genética.
Desta forma, com o presente trabalho objetivou-se avaliar a diversidade genética entre
cruzamentos de soja oriundos de parentais contrastantes para alto teor de óleo, por meio de
caracteres agronômicos e componentes principais.
2 Material e Métodos
O trabalho foi conduzido na área experimental do Departamento de Produção Vegetal
pertencente à UNESP/FCAV-Jaboticabal, localizada ao norte do Estado de São Paulo.
O experimento foi semeado manualmente no ano agrícola 2012/2013 com
espaçamento de 0,5 m entre linhas, e com número variável de linhas, a depender do número
de sementes de cada cruzamento.
Foram avaliadas populações de soja da geração F2 sintetizadas entre parentais
contrastantes para alto teor de óleo e portadoras de bons atributos agronômicos.
No total, foram avaliadas 256 plantas, e escolhidas 16 plantas dentro de cada um dos 16
cruzamentos. Todos os tratos culturais foram realizados de acordo com o recomendado para a
cultura (EMBRAPA, 2011).
Ciência & Tecnologia: Fatec-JB, Jaboticabal, v. 6, p. 158-162, 2014. Suplemento.
159
II Simpósio de Tecnologia Sucroenergética e de Biocombustíveis
Para estimar a diversidade genética foram avaliados os seguintes caracteres: altura da
planta na maturidade (APM), altura de inserção da primeira vagem (AIV), número de ramos
por planta (NR), número de nós por planta (NN), número de vagens por planta (NV), peso de
100 sementes (PCS), produção de grãos (PG) e teor de óleo (%Óleo).
As análises estatísticas foram realizadas com o auxílio do programa Statistica
(STATSOFT, 2004). Todos os dados foram padronizados de forma que as variáveis
contribuam com o mesmo peso no cálculo do coeficiente de semelhança entre os objetos.
3 Resultados e Discussão
Na análise dos componentes principais três primeiros componentes explicaram 86,2%
da variância total contida nas oito variáveis originais. De acordo com Cruz, Regazzi e
Carneiro (2004) estimativas mínimas de 80% da variação total permitem explicar
satisfatoriamente a variabilidade manifestada entre os genótipos.
Na Tabela 1, estão relacionadas às variáveis que contribuíram para a diversidade
genética entre os cruzamentos estudados. O primeiro componente principal reteve 41,02% da
variação total dos dados (Tabela 1), tendo como características de maiores contribuições o
NV (0,81), seguido por PG (0,79), NR (0,75), AIV (-0,71), PCS (-0,70) e %ÓLEO (0,57). O
segundo componente principal reteve 28,39% do total de dados (Tabela 1), e os caracteres
com maiores contribuições foram NN (0,95) e APM (0,88).
Tabela 1- Importância relativa das oito características e total dos três componentes principais
Características
APM
AIV
NR
NV
NN
PCS
PG
%ÓLEO
Total dos CPs
CP1
-0,37
-0,71
0,75
0,81
-0,01
-0,70
0,79
0,57
41,02
CP2
0,88
0,46
0,22
0,38
0,95
0,19
0,15
0,35
28,39
CP3
-0,17
0,35
0,28
0,38
-0,22
0,60
0,51
-0,55
16,75
O terceiro componente absorveu 16,75% (Tabela 1) da variação dos dados e a
característica de maior contribuição foi PCS (0,60).
A
dissimilaridade
entre
os
cruzamentos
pode
ser
facilmente
observada
individualmente pela dispersão gráfica (Figuras 1 e 2) dos componentes principais. O plano
bidimensional formado pelos componentes (CP1 x CP2) distingue os cruzamentos C2 e C6
como os mais divergentes, devido ao seu distanciamento (Figura 1). O cruzamento C6
Ciência & Tecnologia: Fatec-JB, Jaboticabal, v. 6, p. 158-162, 2014. Suplemento.
160
II Simpósio de Tecnologia Sucroenergética e de Biocombustíveis
destacou-se por suas características específicas relacionadas com as características número de
vagens (NV), número de ramos (NR), produção de grãos (PG) e teor de óleo (% Óleo), como
observado na Figura 1. Também foi possível discriminar o cruzamento C5 para altura da
inserção de vagem (AIV) (Figura 1).
Figura 1- Dispersão gráfica dos 16 cruzamentos de soja, considerando os componentes
principais (CP1 x CP2) referentes aos oito caracteres agronômicos avaliados.
5
4
NN
APM
C6
3
CP 2: 28.39%
2
AIV C5
C2
NV
%Òleo
1
C12
PCS
C3
C8
NR
PS
C11
C16
0
C14
C10
-1
C9
-2
C7
C1
C4
C15
C13
-3
-4
-5
-5
-4
-3
-2
-1
0
CP 1: 41.02%
1
2
3
4
5
A projeção dos componentes (CP1 x CP3), observada na Figura 2, confirma os dados
da primeira projeção para os cruzamentos C2 e C6, sendo considerados como os mais
divergentes. O cruzamento C6 foi caracterizado pelas características NR, NV e PG. O C2 se
destacou para característica específica relacionada com AIV.
Figura 2- Dispersão gráfica dos 16 cruzamentos de soja, considerando os componentes
principais (CP1 x CP3) referentes aos oito caracteres agronômicos avaliados.
3
PCS
C2
PS
C14
2
NV
AIV
NR
1
CP 3: 16.75%
C16
C11
C15
C13
C4
0
APM
C10
C12
-1
C1
C6
C7
C8
NN
C3
C9
C5
-2
%Òleo
-3
-4
-5
-4
-3
-2
-1
0
1
2
3
4
5
6
CP 1: 41.02%
As características APM, NV, NR, NN, PG e %Óleo foram as que mais contribuíram
para a diversidade genética.
Ciência & Tecnologia: Fatec-JB, Jaboticabal, v. 6, p. 158-162, 2014. Suplemento.
161
II Simpósio de Tecnologia Sucroenergética e de Biocombustíveis
4 Conclusão
Verificou-se que há existência de variabilidade genética entre os cruzamentos de soja
estudados. Com os caracteres agronômicos avaliados é possível identificar cruzamentos
divergentes.
Referências
CONAB - Companhia Nacional de Abastecimento. Acomp. safra bras. grãos, v.1 - Safra
2013/14, n.12 - Décimo Segundo Levantamento, Brasília, p. 1-127, set. 2014. Disponível em:
<http://www.conab.gov.br>. Acesso em: 02 out. 2014.
CRUZ, C. D.; REGAZZI, A. J.; CARNEIRO, P. C. S. Modelos biométricos aplicados ao
melhoramento genético.Viçosa: UFV, 2004. v. 1. 108 p.
EMBRAPA. Empresa Brasileira de Pesquisa Agropecuária. Sistema de produção 13:
Tecnologias de produção de soja – região central do Brasil 2009 e 2010. Londrina:
EMBRAPA SOJA, 2011. 262 p.
PRIOLLI, R. H. G.; WYSMIERSKI, P. T.; CUNHA, C. P.; PINHEIRO, J. B.; VELLO, N. A.
Genetic structure and a selected core set of Brazilian soybean cultivars. Genetics and
Molecular Biology, Piracicaba, v. 36, n. 3, p.382-390, 2013.
REINA, E.; PELUZIO, J. M.; AFFERRI, F. S.; OLIVEIRA JUNIOR, W. P.;
SIEBENEICHLER, S. C. Genetic divergence and phosphorus use efficiency in the soybean
with a view to biodiesel production. Revista Ciência Agronômica, Fortaleza, v. 45, n. 2,
p.344-350, 2014.
SALIMI, S. Genetic diversity in soybean genotypes under water stress and normal condition
using factor analysis and cluster analysis. African Journal of Agricultura Research,
Mariwan, v.8, n.49, p.6529-6536, 2013.
STATSOFT. STATISTICA: (data analysis software system), version 7. 2004. Disponível
em: <www.statsoft.com>. Acesso em: 01 out. 2014
Ciência & Tecnologia: Fatec-JB, Jaboticabal, v. 6, p. 158-162, 2014. Suplemento.
162