Download Curso Taller
Document related concepts
Transcript
Curso Taller Análisis e Interpretación de Datos Experimentales en el Mejoramiento Genético Vegetal Objetivos • Capacitar en el análisis de datos experimentales mediante el uso del programa InfoStat y/o Infogen • Adquirir destrezas para la interpretación de los resultados y su aplicación en el mejoramiento genético vegetal Clase 1 • Datos y análisis preliminares • Análisis de caracteres Clase 2 • Cálculo de parámetros • Análisis Multivariado Clase 3 • Trabajo con datos experimentales • Discusión de casos Datos • Cuales datos tomar y cómo • Cómo analizarlos • Análisis preliminares • Estimación de parámetros estadísticos y genéticos Análisis de Datos • Estadística descriptiva: – Media y/o moda – Varianza – DE – EE – CV – Valor Máximo y Mínimo Análisis de Datos • La desviación típica o desviación estándar es una medida de dispersión para variables cuantitativas. Se define como la raíz cuadrada de la varianza del atributo. • El error estándar de la media (el error debido a la estimación de la media poblacional a partir de las medias muestrales) es la desviación estándar de todas las posibles muestras de la población Análisis de Datos • Análisis de Varianza en uno o varios ambientes. – Diferenciar genotipos – Estimar parámetros genéticos • Varianzas genéticas • Coeficiente de variación genética • Heredabilidad – Respuesta a la selección Análisis de Datos • Regresión – Respuesta a la selección – Estimación de la estabilidad fenotípica – Estimación de heredabilidad Análisis de Datos • Correlación – Relaciones entre caracteres – Análisis de sendero • Criterios de selección – Estimación de heredabilidad (correlación intraclase) Análisis de Datos • Análisis Multivariado – Componentes principales y biplots • Adaptación y estabilidad – Análisis de conglomerados (cluster) • Agrupamiento de genotipos Análisis de Datos • Diseños genéticos – Estimación de varianzas aditivas y de dominancia – Diseño dialélico • ACG y ACE • Efectos maternos • Heterosis ANÁLISIS PRELIMINARES Medidas Resumen Variable n Media D.E. Varianza Mínimo Máximo Rendimiento 112 54,57 12,68 160,66 33,71 95,20 Intervalo de floración Prolificidad 112 2,61 1,27 1,61 0,00 7,00 112 1,00 0,12 0,01 0,70 1,31 n: tamaño de muestra, D.E.: desviación estándar Cual de los caracteres descriptos presenta mayor variación? • Para caracteres expresados en diferentes unidades de medida se emplea el coeficiente de variación (CV) • Éste coeficiente es la relación entre la desviación típica y la media del carácter expresado en porcentaje. • • Si calculamos el CV para cada carácter: • • CV (%) • • • • • xi x100 Rendimiento: 23,23 % Intervalo de Floración: 48,67 % Prolificidad: 11,99 % El carácter intervalo de floración presento el mayor porcentaje de variación entre los individuos analizados de la población. ANÁLISIS EN UN AMBIENTE Ejemplo • 50 hermanos completos de maíz(HC). • Ensayo en bloques completos con dos repeticiones. • Se estimó la varianza genética para rendimiento de biomasa: 0,0515 Kg. –m2 • La varianza del error: 0,0694 Kg. –m2. • El rendimiento promedio para rendimiento en biomasa fue de 1,317 Kg. –m2. Se desea estudiar las perspectivas de selección en la población de la cual fueron extraídos los hermanos completos – Calcular el coeficiente de variación genética • – Calcular el coeficiente de variación – Calcular la h2 para rendimiento de biomasa • – Calcular la h2 para rendimiento de biomasa teniendo en cuenta el número de repeticiones con las que se evaluaron los HC. • – Cuál es el diferencial de selección si los HC con una biomasa de más de 1,563 Kg. –m2 son seleccionados y el promedio para estos es de 1,756 Kg. –m2 • – Cuál es la respuesta esperada a la selección en toneladas/ha? Coeficiente de variación genética El coeficiente de variación genética es la relación entre la desviación típica, o sea la raíz cuadrada de la varianza genética para el carácter rendimiento en este caso, y el valor de media del carácter. Este coeficiente da una idea de la variación genética par un carácter determinado g 0,0515 CVg (%) x100 0,1723 xi 1,317 Coeficiente de variación •El coeficiente de variación es la relación entre la desviación • típica del error y el valor de media del carácter, • expresa el porcentaje de error en relación a la media: 0,0694 CV (%) x100 0,2 xi 1,317 h2 para rendimiento de biomasa La heredabilidad es el cociente entre la varianza genética y la varianza genética más el error experimental, o sea toda la variación observada: h2 para rendimiento de biomasa teniendo en cuenta el número de repeticiones Diferencial de selección δs = 1,756 – 1,317 = 0,439 Kg m-2 Respuesta a la selección R = h x δs = 0,4260 x 0,439 = 0,1870 Kg m-2 = 1,87 t/ha ENSAYOS MULTIAMBIENTALES Ensayos multiambientales • • • • Diferenciar genotipos Estimar la interacción genotipo x ambiente Estimar parámetros genéticos Estimar la respuesta a la selección Estimación de h2 a partir de un anava multiambiental F.V G.L. C.M. E(CM) Ambientes (A) (p-1) Reps/Ambientes p(r-1) Variedades (V) (v-1) M1 2e + r .2vp + r.p. 2v VxA (v-1)(r-1) M2 2e + r .2vp Error p(v-1)(r-1) M3 2e Varianza del error 2e = M3 Varianza VxA 2vp = (M2-M3)/r Varianza entre V2v = (M1-M2)/rp Varianza Fenotípica 2p = 2e + 2vp + 2v Heredabilidad h2 = 2v / 2p Ejemplo • Se evaluaron 21 familias de hermanos completos de maíz durante 3 años con 2 repeticiones por año en un diseño en bloques completos aleatorizados. Se analizaron las variables temperatura foliar y rendimiento en grano. A partir de la tabla de ANOVA estime el porcentaje de variación genética, o heredabilidad en sentido amplio, para los caracteres mencionados Cuadrados Medios Fuente de Variación Años Reps/Años Familias Familias x Ambientes Error CV (%) G.L. 2 3 20 40 60 Temperatura Foliar 340,41 3,18 14,72 12,33 1,05 3,59 Rendimiento 1539,47 4149,45 1746,73 330,69 77,49 15,12 Resultados 2e = M3 2ga = (M2-M3)/r 2g = (M1-M2)/r.p 2p = 2e + 2ga + 2g h2 = 2g / 2p Temperatura Foliar Rendimiento 1,05 77,49 (12,33 – 1,05)/2 = 5,64 (330,69 – 77,49)/2 = 126,6 (14,72 – 12,33)/2.3 = 0,39 (1746,73 – 330,69)/2.3 = 236 1,05 + 5,64 + 0,39 = 7,08 77, 49 + 126,6 + 236 = 440,09 0,39/7,08 = 0,05 236/440,09 = 0,53 ANÁLISIS DE LA RELACIONES ENTRE CARACTERES Objetivos • Evaluar la influencia de uno o varios caracteres sobre otros. • Elaborar criterios de selección • Estimar h2 Procedimientos • Correlación • Regresión Correlación • Analiza la relación entre un grupo de caracteres o atributos cuantitativos. • Las variables son consideradas independientes • De acuerdo al material puede estimarse la correlación genética o fenotípica. • Puede particionarse en efectos directos de un carácter sobre el otro o indirectos – Análisis de sendero Regresión • Analiza la relación entre una variable con otra o con un grupo de ellas. • Una variable se considera dependiente y las otra u otras independientes. • Permite estimar: – H2 – Respuesta a la selección – Interacción genotipo x ambiente Regresión Progenie-Progenitor • Se mide el carácter sobre uno o sobre los dos progenitores. • Se evalúa el carácter sobre los descendientes o progenie • Se analiza mediante regresión lineal Regresión Progenie-Progenitor para temperatura foliar en MH de maíz 28,57 Madre 27,35 26,13 24,90 23,68 24,13 25,29 26,44 Progenie 27,59 28,75 Regresión Progenie-Progenitor para altura de planta en líneas S3 de maíz 2,28 Progenie 1,88 1,47 1,06 0,66 0,64 1,05 1,46 Madre 1,87 2,29