progeny testing
Transcripción
progeny testing
Ensayos genéticos Hay que pensar en: 1. 2. 3. 4. el objetivo de los ensayos; el diseño del (los) cruzamiento(s); el tipo de propágulos (semilla o estacas) y el diseño de campo; Fco. Zamudio (PhD) Genética & Mejoramiento Forestal 1 ¿para qué? Los ensayos genéticos son usados para: determinar ∆G realizada generar la siguiente población reproductiva (breeding population); 3. estimar parámetros genéticos (predecir ∆G) y 4. mantener una población base amplia. 1. 2. 2 Supuestos para estimar parámetros genéticos 1. 2. 3. 4. la población de referencia es una población de cruzamiento al azar, no consanguínea. los padres muestreados no están emparentados la interacción GxE está ausente o se puede estimar en el diseño (VG no está sesgada) los genotipos están distribuidos al azar a través del ambiente, luego no existe correlación entre G y E. 3 diseño de cruzamientos y estimación de parámetros genéticos Anidado o jerarquizado P1 M11 M12 ….. M1p1 P2 M21 M22 ….. M2p1 4 Diseño ... Anidado o jerarquizado Modelo lineal: Yijk = µ + pi + m( p )ij + eijk yijk = Y ... + (Y i. − Y ... ) + (Y ji. − Y i.. ) + ( yijk − Y ij . ) Supuestos: pi : árbol padre ~ (0, σ2p) m(p)ij: árbol madre ~ (0, σ2m(p)) eijk: residuo ~ (0, σ2e) F.V. g.l. CM ε (CM) Padres (p-1) CMP σ2e+K2σ2m(p)+k3σ2P Madres (pm-1) CMM(P) σ2e +K1σ2m(p) residuo (pmn-pn) CMRes σ2 e 5 Diseño ... Anidado o jerarquizado Covarianzas: Medio-hermanos paternos: Cov(Yijk , Yij´k ´ ) = ε ( pi + m( p )ij + eijk )( pi + m( p )ij´ + eij´k ´ ) Cov(Yijk , Yij´k ´ ) = ε ( pi 2 ) = σ p2 Hermanos completos: Cov(Yijk , Yijk ´ ) = ε ( pi + m( p )ij + eijk )( pi + m( p )ij + eijk ´ ) Cov(Yijk , Yijk ´ ) = ε ( pi 2 + m( p)ij2 ) = σ p2 + σ m2 ( p ) 6 Diseño ... Anidado o jerarquizado Covarianzas: Medio-hermanos paternos: Cov( HS ) = Cov(Yijk , Yij´k ´ ) = 1 VA = σ p2 4 Hermanos completos: Cov( FS ) = Cov(Yijk , Yijk ´ ) = 1 VA + 1 VD = σ p2 + σ m2 ( p ) 2 4 σ m2 ( p ) = 1 2 VA + 1 4 VD − 1 4 VA = 1 4 VA + 1 4 VD Además: VP = σ p2 + σ m2 ( p ) + σ e2 = VA + VD + VE 1 VA + 1 VD + σ 2 = VA + VD + VE e 2 4 σ e2 = 1 2 VA + 3 4 VD + VE 7 Diseño ... Anidado o jerarquizado VA = 4σ p2 VD = (σ m2 ( p ) − 1 VA) ∗ 4 = (σ m2 ( p ) − σ p2 ) ∗ 4 4 VE = σ e2 − 1 VA − 3 VD = σ e2 − 2σ p2 − 3(σ m2 ( p ) − σ p2 ) 2 4 VE = σ e2 + σ p2 − 3σ m2 ( p ) 8 diseño de cruzamientos y estimación de parámetros genéticos Factorial Madre Padre 1 2 3 4 5 X X X X 6 X X X X 7 X X X X 8 X X X X 9 Diseño ... Factorial Modelo lineal: Yijk = µ + pi + m j + pxmij + eijk Supuestos: pi : árbol padre ~ (0, σ2p) mj: árbol madre ~ (0, σ2m) Pxmij: interacción ~ (0, σ2pm) eijk: residuo ~ (0, σ2e) Yijk ~ (u, σ2p+σ2m+σ2pm+σ2e) F.V. g.l. CM ε (CM) Padres (p-1) CMP σ2e+K4σ2pm+k5σ2P Madres (m-1) CMM σ2e +K2σ2pm+K3σ2m Interacción (p-1)(m-1) CMPxM σ2e +K1σ2pm residuo (pmn-pn) CMRes σ 2e 10 Diseño ... Factorial Covarianzas: Medio-hermanos paternos: Cov(Yijk , Yij´k ´ ) = ε ( pi + m j + pxmij + eijk )( pi + m j´ + pxmij´ + eij´k ´ ) Cov(Yijk , Yij´k ´ ) = ε ( pi 2 ) = σ p2 Medio-hermanos maternos: Cov(Yijk , Yi´ jk ´ ) = ε ( pi + m j + pxmij + eijk )( pi´ + m j + pxmi´ j + ei´ jk ´ ) Cov(Yijk , Yi´ jk ´ ) = ε (m j 2 ) = σ m2 Hermanos completos: Cov(Yijk , Yijk ´ ) = ε ( pi + m j + pxmij + eijk )( pi + m j + pxmij + eijk ´ ) 2 Cov(Yijk , Yijk ´ ) = ε ( pi 2 + m 2j + pxmij2 ) = σ p2 + σ m2 + σ pm 11 Diseño ... Factorial Covarianzas: Medio-hermanos paternos: Medio-hermanos maternos: Hermanos completos: Además: Cov( HS ) = Cov(Yijk , Yij´k ´ ) = 1 VA = σ p2 4 Cov( HS ) = Cov(Yijk , Yi´ jk ´ ) = 1 VA = σ m2 4 2 Cov( FS ) = Cov(Yijk , Yijk ´ ) = 1 VA + 1 VD = σ p2 + σ m2 + σ pm 2 4 2 Cov( FS ) = 1 VA + 1 VD = 1 VA + 1 VA + σ pm 2 4 4 4 2 σ pm = 1 VD 4 2 VP = σ p2 + σ m2 + σ pm + σ e2 = VA + VD + VE 2 VE = σ p2 + σ m2 + σ pm + σ e2 − ( 1 VA + 1 VA) − VD 2 2 2 2 VE = σ p2 + σ m2 + σ pm + σ e2 − 2σ p2 − 2σ m2 − 4σ pm 2 VE = σ e2 − σ p2 − σ m2 − 3σ pm 12 diseño de cruzamientos y estimación de parámetros genéticos Padre Dialelo 1 Madre 1 2 3 4 - X X X - X X - X 2 3 4 Número de cruces: p ( p − 1) 2 13 Diseño ... dialelo Modelo lineal: Yijk = µ + gi + g j + sij + eijk Supuestos: gi : capacidad combinatoria general (GCA) ~ (0, σ2gca) sij: capacidad combinatoria específica (SCA) ~ (0, σ2sca) eijk: residuo ~ (0, σ2e) Yijk ~ (u, 2σ2gca+σ2sca+σ2e) 14 Diseño ... dialelo Covarianzas: Medio-hermanos paternos: Cov(Yijk , Yij´k ´ ) = ε ( gi + g j + sij + eijk )( gi + g j´ + sij´ + eij´k ´ ) 2 Cov(Yijk , Yij´k ´ ) = ε ( gi 2 ) = σ gca Hermanos completos: Cov(Yijk , Yijk ´ ) = ε ( gi + g j + sij + eijk )( g i + g j + sij + eijk ´ ) 2 2 Cov(Yijk , Yijk ´ ) = ε ( gi 2 + g 2j + sij2 ) = 2σ gca + σ sca 15 Diseño ... dialelo Covarianzas: Medio-hermanos paternos: 2 Cov( HS ) = Cov(Yijk , Yij´k ´ ) = 1 VA = σ gca 4 Hermanos completos: Además: 2 2 Cov( FS ) = Cov(Yijk , Yijk ´ ) = 1 VA + 1 VD = 2σ gca + σ sca 2 4 1 VA + 1 VD = 2( 1 VA) + σ 2 sca 2 4 4 2 σ sca = 1 VD 4 2 2 VP = 2σ gca + σ sca + σ e2 = VA + VD + VE 2 2 VE = 2σ gca + σ sca + σ e2 − VA − VD 2 2 2 2 VE = 2σ gca + σ sca + σ e2 − 4σ gca − 4σ sca 2 2 VE = σ e2 − 2σ gca − 3σ sca 16