Rendimiento de los métodos de estimación genómica en la identificación de la resistencia del arroz a la brusona
DOI:
10.31413/nativa.v10i4.13448Palabras clave:
brusona del arroz, modelización estadística, selección genómica amplia, análisis ROC, precisiónResumen
En los últimos años ha aumentado la pérdida de cosechas de arroz debido a estreses bióticos y abióticos, entre los que destaca la brusona, que puede provocar pérdidas del 100% en los cultivares de arroz susceptibles. Por lo tanto, resulta estratégico identificar metodologías que seleccionen cultivares más resistentes a la enfermedad. En este trabajo, nos propusimos utilizar el análisis de la curva ROC (Receiver operator characteristic) y las medidas tradicionales para evaluar el rendimiento de los modelos de estimación genómica (RR-BLUP, BLASSO y Bayes Cπ) en la identificación de la resistencia del arroz a la brusona. Los modelos RR-BLUP y Bayes Cπ fueron los más precisos para la predicción de la resistencia a la brusona, mientras que el menor tiempo de ejecución lo consiguió el RR-BLUP. El área bajo la curva ROC era equivalente a las medidas tradicionales para evaluar la precisión de los modelos, con la ventaja de permitir una evaluación gráfica. Mediante el análisis gráfico, BLASSO consiguió un rendimiento inferior a niveles altos de especificidad (>0,75). A niveles de especificidad más bajos, la sensibilidad de los modelos era similar. La metodología ROC demostró ser una buena alternativa para la evaluación de modelos de predicción genómica, y puede utilizarse para la selección de cultivares de arroz resistentes a la brusona.
Citas
AZEVEDO, C. F.; DE RESENDE, M. D. V.; E SILVA, F. F.; VIANA, J. M. S.; VALENTE, M. S. F.; RESENDE JR., M. F. R.; MUÑOZ, P. Ridge, Lasso and Bayesian additive-dominance genomic models. BMC Genetics, v. 16, n. 1, p. 1-13, 2015. https://doi.org/10.1186/s12863-015-0264-2
BHERING, L. L.; JUNQUEIRA, V. S.; PEIXOTO, L. A.; CRUZ, C. D.; LAVIOLA, B. G. Comparison of methods used to identify superior individuals in genomic selection in plant breeding. Genetics and Molecular Research, v. 14, n. 3, p. 10888-10896, 2015. https://doi.org/10.4238/2015.september.9.26
BISCARINI, F.; STEVANATO, P.; BROCCANELLO, C.; STELLA, A.; SACCOMANI, M. Genome-enabled predictions for binomial traits in sugar beet populations. BMC Genetics, v. 15, n. 1, p. 87, 2014. https://doi.org/10.1186/1471-2156-15-87
CRUZ, C. D.; SALGADO, C. S.; BHERING, L. L. Genômica aplicada. Visconde de Rio Branco: Suprema Gráfica Editora, 2013. 424p.
DE LOS CAMPOS, G.; NAYA, H.; GIANOLA, D.; CROSSA, J.; LEGARRA, A.; MANFREDI, E.; WEIGEL, K.; COTES, J. M. Predicting Quantitative Traits With Regression Models for Dense Molecular Markers and Pedigree. Genetics, v. 182, n. 1, p. 375-385, 2009. https://doi.org/10.1534/genetics.109.101501
DIXIT, S.; SINGH, U. M.; SINGH, A. K.; ALAM, S.; VENKATESHWARLU, C.; NACHIMUTHU, V. V.; YADAV, S.; ABBAI, R.; SELVARAJ, R.; DEVI, M. N.; RAMAYYA, P. J.; BADRI, J.; LAKSHMI, T. R. J.; LAKSHMIDEVI, G.; VIDHYA J. L. R. K.; PADMAKUMARI, A. P.; LAHA, G. S.; PRASAD, M. S.; SEETALAM, M.; SINGH, V. K.; KUMAR, A. Marker Assisted Forward Breeding to Combine Multiple Biotic-Abiotic Stress Resistance/Tolerance in Rice. Rice, v. 13, n. 29, p. 1-15, 2020. https://doi.org/10.1186/s12284-020-00391-7
FANG, M.; JIANG, D.; LI, D.; YANG, R.; FU, W.; PU, L.; GAO, H.; WANG, G.; YU, L. Improved LASSO priors for shrinkage quantitative trait loci mapping. Theoretical and Applied Genetics, v. 124, n. 7, p. 1315-1324, 2012. https://doi.org/10.1007/s00122-012-1789-7
GADAL, N.; SHERSTHA, J.; POUDEL, M. N.; POKHAREL, B.; A review on production status and growing environments of rice in Nepal and in the world. Archives of Agriculture and Environmental Science, v. 4, n. 1, p. 83-87, 2019. https://doi.org/10.26832/24566632.2019.0401013
GIANOLA, D. Priors in whole-genome regression: the bayesian alphabet returns. Genetics, v. 194, p. 573-596, 2013. DOI: 10.1534%2Fgenetics.113.151753
HOSMER JR., D. W.; LEMESHOW, S.; STURDIVANT, R. X. Applied Logistic Regression. 3o ed. Hoboken: John Wiley & Sons, Inc., 2013. 510p.
JIANG, H.; FENG, Y.; QIU, L.; GAO, G.; ZHANG, Q.; HE, Y. Identification of Blast Resistance QTLs Based on Two Advanced Backcross Populations in Rice. Rice, v. 13, n. 31, 1-15, 2020. https://doi.org/10.1186/s12284-020-00392-6
LING, C. X.; HUANG, J.; ZHANG, H. AUC: A Better Measure than Accuracy in Comparing Learning Algorithms. In: In: Xiang Y., Chaib-draa B. (Ed.) Advances in Artificial Intelligence. Canadá, 2003. p. 329-341. https://doi.org/10.1007/3-540-44886-1_25
MACKILL, A. O.; BONMAN, J. M. Inheritance of blast resistance in near-isogenic lines of rice. Phytopathology, v. 82, p. 746-749, 1992. https://doi.org/10.1590/S0100-84551996000400012
MARTINS, B. E. M.; CHAIBUB, A. A.; CORTÊS, M. V. C. B.; SILVA LOBO, V. L.; FILIPPI, M. C. C. Characterization of bacterial isolates for sustainable rice blast control. Revista Caatinga, v. 33, n. 3, p. 702-712, 2020. https://doi.org/10.1590/1983-21252020v33n313rc
MEUWISSEN, T. H. E.; HAYES, B. J.; GODDARD, M. E. Prediction of total genetic value using genome-wide dense marker maps. Genetics, v. 157, n. 4, p. 1819-1829, 2001. https://doi.org/10.1093/genetics/157.4.1819
NASCENTE, A. S.; FILIPPI, M. C. C.; SOUSA, T. P.; CHAIBUB, A. A.; SOUZA, A. C. A.; LANNA, A. C. Upland rice gas exchange, nutrient uptake and grain yield as affected by potassium fertilization and inoculation of the diazotrophic bacteria Serratia spp. Australian Journal of Crop Science, v. 13, n. 6, p. 944-953, 2019. https://doi.org/10.21475/ajcs.19.13.06.p1689
NIZOLLI, V. O.; PEGORARO, C.; DE OLIVEIRA, A. C. Rice blast: strategies and challenges for improving genetic resistance. Crop Breeding Applied Biotechnology, v. 21, e387721S9, 2021. http://dx.doi.org/10.1590/1984-70332021v21Sa22
PÉREZ, P.; DE LOS CAMPOS, G. Genome-wide regression and prediction with the BGLR statistical package. Genetics, v. 198, n. 2, p. 483-495, 2014. https://doi.org/10.1534/genetics.114.164442
RAMALINGAM, J.; RAVEENDRA, C.; SAVITHA, P.; VIDYA, V.; CHAITHRA, T. L.; VELPRABAKARAN, S.; SARASWATHI, R.; RAMANATHAN, A.; PILLAI, M. P. A.; ARUMUGACHAMY, S.; VANNIARAJAN, C. Gene Pyramiding for Achieving Enhanced Resistance to Bacterial Blight, Blast, and Sheath Blight Diseases in Rice. Frontiers in Plant Science, v. 11, 2020. https://doi.org/10.3389/fpls.2020.591457
RATHNA, P. T. S.; NELSON, A. R. L. E.; RAVICHANDRAN, K.; ANTONY, R. Nutritional and functional properties of coloured rice varieties of South India: a review. Journal of Ethnic Foods, v. 6, p. 7-11, 2019. https://doi.org/10.1186/s42779-019-0017-3
RESENDE, M. D. V; SILVA, F. F.; AZEVEDO, C. F. Estatística matemática, biométrica e computacional: modelos mistos, multivariados, categóricos e generalizados (REML/BLUP), inferência bayesiana, regressão, aleatória, seleção genômica, QTL, GWAS, estatística espacial e temporal, competição, sobrevivência. 1. ed. [s.l.] : Suprema Gráfica Editora, 2014. 881p.
RUTKOSKI, J. E.; POLAND, J. A.; SINGH, R. P.; et al. Genomic selection for quantitative adult plant stem rust resistance in wheat. The Plant Genome, v. 7, n. 3, p. 1-10, 2014. DOI: 10.3835/plantgenome2014.02.0006
SOUZA, D. C.; RUSSINI, A.; VARGAS, R. R.; BOTTEGA, E. L.; SCHLOSSER, J. F.; FARIAS, M. S. Determinação de área mínima para aquisição de colhedora para a colheita do arroz irrigado na fronteira oeste do Rio Grande do Sul. Tecno-Lógica, v. 24, n. 2, p. 208-214, 2020. http://dx.doi.org/10.17058/tecnolog.v24i2.14904
VERMA, D. K.; SRIVASTAV, P. P. Bioactive compounds of rice (Oryza sativa L.): Review on paradigm and its potential benefit in human health. Trends in Food Science & Technology, v. 97, p. 355-365, 2020. https://doi.org/10.1016/j.tifs.2020.01.007
VITEZICA, Z. G.; VARONA, L.; LEGARRA, A. On the additive and dominant variance and covariance of individuals within the genomic selection scope. Genetics, v. 195, n. 4, p. 1223-1230, 2013. https://doi.org/10.1534/genetics.113.155176
WIRASWATI, S. M.; RUSMANA, I.; NAWANGSIH, A. A.; WAHYUDI, A. T. Antifungal activities of bacteria producing bioactive compounds isolated from rice phyllosphere against Pyricularia oryzae. Journal of Plant Protection Research, v. 59, n. 1, p. 86-94, 2019. https://doi.org/10.24425/jppr.2019.126047
ZHAO, K.; TUNG, C.-W.; EIZENGA, G. C.; et al. Genome-wide association mapping reveals a rich genetic architecture of complex traits in Oryza sativa. Nature Communications, v. 2, n. 1, p. 467, 2011. https://doi.org/10.1038/ncomms1467.
Descargas
Publicado
Versiones
- 2023-11-30 (2)
- 2022-11-02 (1)
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Nativa
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Los derechos de autor de los artículos publicados en esta revista pertenecen al autor, con los derechos de primera publicación de la revista. En virtud de aparecer en esta revista de acceso público, los artículos son de libre uso, con sus propias atribuciones, en aplicaciones educativas y no comerciales.
Los artículos publicados en esta revista pueden ser reproducidos parcialmente o utilizados como referencia por otros autores, siempre que se mencione la fuente, es decir, Revista Nativa.
