Spanish

       


English

User
 

Application of the Bayesian inference and mixed linear model method to maize breeding. Cien. Inv. Agr. (In English) 33(3):185-190.

Freddy Mora, Emmanuel Arnhold

Abstract


This study examines genetic breeding values and variance components of popping expansion and grain production by means of Bayesian inference and a mixed linear model approach in 96 S3 maize families. Best Linear Unbiased Predictors (BLUP) of family effect were obtained by considering the Restricted Maximum Likelihood (REML) method of variance component estimation. An Independence Chain algorithm (IC) was used as a method of Bayesian inference. Family and residual variance component values were very similar between the IC algorithm and the REML method. Heritability values showed imperceptible differences in the approximation between approaches. Differences in the standard deviation of these estimates were observed, with the REML approach clearly showing the largest result. Heritability of grain production was moderate to high for popping expansion, indicating that simple selection methods can be applied. Using an IC algorithm and the BLUP approach for breeding values, no important changes were seen infamily ranking, which was confirmed with high and significant Spearman’s correlations values (Γs) ranging from 0.9941±0.004 to 0.9973±0.001. Pearson’s correlation between the BLUP values of popping expansion and grain production was low, negative and insignificant (Γs=-0.0320%±0.02).We concluded that Bayesian inference via an IC algorithm could be an important tool to use in maize breeding like classical analysis using a mixed linear model procedure.

 

El objetivo del presente trabajo fue examinar los valores genéticos y componentes de varianza de la capacidad de expansión y producción de granos a través de inferencia Bayesiana y metodología de modelos lineales mixtos, en 96 familias S3 de maíz (Zea mays L.). Se obtuvieron las mejores predicciones lineares no sesgadas (BLUP) del efecto familiar, considerando el método de máxima verosimilitud restringida (REML) para la estimación de componentes de varianza. El algoritmo de cadenas independientes (IC) se utilizó como un método de inferencia Bayesiana. Las varianzas residual y familiar fueron muy similares entre IC y REML. Las heredabilidades dieron imperceptibles diferencias entre ambas metodologías, siendo éstas sólo de orden de aproximación. Diferencias evidentes fueron observadas entre las desviaciones estándar de las estimativas, siendo las de REML mayores. La heredabilidad fue moderada para la producción de granos y alta para la capacidad de expansión, indicando que simples métodos de selección pueden ser aplicados. Usando IC y BLUP para la predicción de valores genéticos, no se evidenciaron cambios relevantes en el ordenamiento de las familias, lo que fue confirmado con valores de correlación de Spearman altos y significativos, variando desde 0,9941±0,004 a 0,9973±0,001. Correlación de Pearson entre los valores BLUP de la capacidad de expansión y producción de granos fue bajo, negativo y no significativo (Γs=-0,0320±0,02). Se concluyó que la inferencia Bayesiana, a través de IC, podría ser una importante herramienta para los programas de mejoramiento del maíz, al igual que el análisis clásico de modelos lineares mixtos.


Keywords


BLUP, independence chain algorithm, plant breeding, REML, Algoritmo de cadena independiente, mejoramiento de plantas.

Full Text:

Untitled


DOI: http://dx.doi.org/10.7764/rcia.v33i3.348