Selección de colecciones núcleo de maíz (Zea mays L.) utilizando un algoritmo que permite maximizar la riqueza alélica y diversas métricas de distancia genética

Abstract

Las colecciones núcleo (CN) son subconjuntos de accesiones que representan una colección más amplia, conservando su diversidad genética y evitando la redundancia. En programas de mejoramiento genético de cultivos, las CN son importantes herramientas para tener disponibles, ya que permiten caracterizar y utilizar los recursos genéticos sin la necesidad de evaluar la totalidad del germoplasma. En este contexto, el presente trabajo tuvo como objetivo evaluar la implementación de un protocolo de selección de CN multipropósito, de máxima variabilidad genética, a fin de asistir al PMG de Maíz del INTA EEAPergamino en futuros estudios de mapeo por asociación a genoma completo y predicción genómica. Para ello, se utilizó un algoritmo basado en un método avanzado de búsqueda local estocástica, Core Hunter 3, capaz de utilizar matrices genotípicas y fenotípicas para maximizar diversos parámetros de distancia y diversidad genética simultáneamente. Se seleccionaron 7 CN del mismo tamaño (n=115) con distintos objetivos de optimización en base a datos genotípicos, y la combinación de éstos con datos fenotípicos desde un panel de mejoramiento (PPMG) conformado por 484 líneas endocriadas de maíz. En todos los casos, las CN seleccionadas retuvieron el 100% de los alelos presentes (CV=1), exhibiendo similares valores promedio para heterocigosidad esperada (HE=0.40) y heterocigosidad observada (HO=0.02) que el PPMG. Luego de evaluar la distribución de 3 caracteres fenotípicos y la representatividad poblacional en las CN seleccionadas por el algoritmo, determinamos que las CN seleccionadas con el objetivo Accesion To Nearest Entry (A-NE) cumplen con los requisitos para ser utilizadas como CN multipropósito en futuras investigaciones.

Core collections (CC) are subsets of accessions that represent a broader collection, preserving their genetic diversity and avoiding redundancy. In plant breeding programs, CC are valuable tools since they enable the characterization and use of genetic resources without the need to evaluate the entire germplasm. In this context, the present work aimed to evaluate the implementation of a protocol to select multipurpose CC, with maximum genetic variability, to assist the INTA EEA-Pergamino Maize breeding program in future genomewide association mapping (GWAS) and genomic prediction (GP) studies. Core Hunter 3, an algorithm based on an advanced stochastic local search method, capable of incorporating genotypic and phenotypic matrices, was used to maximize various distance and genetic diversity parameters simultaneously. Seven CC of the same size (n=115) were selected with different optimization objectives based on genotypic data and its combination with phenotypic data, from a breeding panel (BP) consisting of 484 maize inbred lines. All selected CC retained 100% of the alleles present (CV=1), exhibiting similar average values for expected heterozygosity (HE=0.40) and observed heterozygosity (HO=0.02) as the BP. After evaluating the distribution of three phenotypic traits and the population representativeness of the CC selected by the algorithm, we determined that the CC selected with the A-NE objective meet the requirements to be used as multipurpose CC in future research investigations.