Optimizing GWS and GWAS in crop breeding | Otimização da GWS e da GWAS no melhoramento de plantas

In a scenario of advances in genotyping technologies, with the decreasing cost per sample, the information obtained at the molecular level has been increasingly used in genetic analyses to accelerate the effective selection of clones, through genomic prediction (GP). GP leads to more accurate predictions of the individual’s merit for the traits of interest. Genome- wide association studies (GWAS) have also been widely used, it aims to identify causal variants to detect significant associations between genetic markers and traits of interest. In the first chapter, predictions based on pedigree information, molecular markers and cassava productive traits were done with clones from biparental crosses by separating the full dataset by the number of stages of a breeding program (clonal evaluation trial – CET, preliminary yield trial – PYT, advanced yield trial – AYT, and uniform yield trial – UYT): one stage (CET), two stages (CET and PYT), three stages (CET, PYT and AYT) and four stages (CET, PYT, AYT and UYT). The results indicated a satisfactory potential for using genomic prediction in cassava, especially for early selection, thus saving resources. The second chapter was a case study with hydrogen cyanide content (HCN) in cassava, to evaluate the feasibility of using cross-country genomic predictions, with datasets from Brazil and Nigeria, as a strategy to assist clones’ selection in germplasm exchange. In addition, it also provided an assessment of the population structure for the joint dataset with the two countries as well as genetic parameters estimations based on single nucleotide polymorphisms (SNPs) and in a haplotype approach. Comparisons on GEBVs’ estimation were made considering the hypothetical situation of not having the phenotypic characterization for a set of clones for a certain research institute/country and might need to use the markers’ effects that were trained with data from other research institute/country’s germplasm to estimate their clones’ GEBV. The joint dataset provided an improved accuracy compared to the prediction accuracy of either germplasm’ sources individually. Cross-country genomic predictions proved to have potential use under the present study’s scenario, the correlation between GEBVs predicted with TP from Embrapa and IITA was 0.55 for Embrapa’s germplasm, whereas for IITA’s it was 0.10. In the third chapter, a case study was proposed as well, it was related to association mapping in soybean breeding, for protein and oil content. The benefits of increasing the marker coverage in GWAS analyses were investigated. This study aimed to explore this issue by comparing the results of a genome-wide association study (GWAS) for seed oil and protein content performed with either 17K GBS-derived SNPs or 2.18M GBS-/WGS-derived SNPs on the same set of soybean accessions. Our results revealed that comparatively to GWAS with WGS-imputed SNPs, GWAS analyses with a very limited number of markers have been successful in identifying relevant regions associated with protein and oil content in soybean. The results of this chapter also provided new insights into the application of imputation with WGS data in soybean breeding. These chapters sought to address issues related to the choice of training population, through stages of a breeding program, as well as between breeding programs (from different countries) in order to either have a better understanding of the possibility of shortening the long cassava breeding cycle, as well as of the use of genomic information to guide germplasm’s exchange when there is no phenotypic information for clones from a given research institute/country. In the genome association analyses for soybeans, the objective was to verify the extent to which the work and extra cost involved with WGS-imputation is worthy, because, for some researchers, the level of resolution required for marker-assisted selection would already be supplied by GBS, but that would certainly depend on the research objectives, species and trait heritability. Keywords: Manihot esculenta. Genomic prediction. Training population. genotyping-by- sequencing. Soybean. GWAS. Association mapping.

Em um cenário de avanço dos métodos de genotipagem, juntamente com a redução dos custos por amostra genotipada, as informações obtidas em nível molecular têm sido cada vez mais utilizadas em análises genéticas para acelerar e tornar mais efetiva a seleção de materiais genéticos superiores, por meio da predição genômica (GP). A GP conduz a predições mais acuradas do mérito de indivíduos para caracteres de interesse. Estudos de associação genômica ampla (GWAS) também tem sido muito utilizados para a identificação de variantes causais, visando a detecção de associações significativas entre marcadores genéticos e caracteres de interesse. No primeiro capítulo desta tese, predições baseadas em informações de pedigree, marcadores moleculares e fenótipos para caracteres produtivos de clones de mandioca provenientes de cruzamentos biparentais foram realizadas separando-se o conjunto de dados em número de estádios de um programa de melhoramento (avaliação clonal – CET, ensaios preliminares de produtividade – PYT, ensaios avançados de produtividade – AYT, e ensaios uniformes de produtividade – UYT): um estádio (CET), dois estádios (CET e PYT), três estádios (CET, PYT e AYT) e quatro estádios (CET, PYT, AYT e UYT). Os resultados indicaram potencial satisfatório para utilização da predição genômica em mandioca, especialmente para seleção precoce, sendo assim, poupando-se recursos. No segundo capítulo, foi avaliada a viabilidade da utilização de predições genômicas entre países (Brasil e Nigéria) como uma estratégia para a escolha de clones a serem envolvidos em intercâmbio de germoplasma, em um estudo de caso com o caractere teor de cianeto de hidrogênio (HCN) em mandioca. Além disso, objetivos adicionais foram fornecer uma avaliação da estrutura da população para o conjunto de dados envolvendo os dois países e estimar parâmetros genéticos baseados nos polimorfismos de nucleotídeo único (SNPs) e em uma abordagem de haplótipos. As comparações das estimativas dos GEBVs foram feitas considerando a situação hipotética de não haver caracterização fenotípica para um conjunto de clones para um determinado instituto de pesquisa/país e poder ser necessário utilizar-se apenas dos efeitos dos marcadores que foram estimados com dados de outro instituto de pesquisa/país para estimar o GEBV de seus clones. As predições envolvendo o conjunto de dados dos dois países apresentaram maiores acurácias do que as de cada fonte individualmente. A predição genômica entre países parece ter uso potencial, ao menos sob o cenário do presente estudo. A correlação entre GEBVs preditos com população de treinamento da Embrapa e IITA foi de 0,55 para o germoplasma da Embrapa, enquanto para o IITA foi de 0,10. No terceiro capítulo, também foi proposto um estudo de caso, porém com mapeamento associativo em melhoramento de soja, para os caracteres conteúdo de proteína e óleo. Investigou-se os benefícios do aumento da cobertura e densidade de marcadores em análises de GWAS. O objetivo deste estudo foi explorar essa questão comparando-se os resultados de GWAS para conteúdo de proteína e óleo em soja realizado com um painel de 17K SNPs derivados de GBS (genotyping by sequencing) e o de um painel derivado de 2.18M SNPs obtidos por meio de uma abordagem conjunta de genotipagem por GBS e WGS (whole genome sequencing), para o mesmo conjunto de linhagens. Nossos resultados revelaram que as análises de GWAS com um número limitado de marcadores foram bem sucedidas na identificação de regiões relevantes associadas a conteúdo de proteína e óleo em soja; os resultados deste capítulo também proporcionaram novos “insights” sobre a aplicação de imputação com dados de WGS em melhoramento de soja. Esses trabalhos procuraram abordar questões relacionadas a escolha de população de treinamento, tanto por meio de estádios de um programa de melhoramento, quanto entre programas de melhoramento (de diferentes países) com o objetivo de obter um maior entendimento sobre a possibilidade do encurtamento do longo ciclo de melhoramento para mandioca, bem como uma forma de utilizar informações genômicas para orientar a troca de germoplasma quando não há informações fenotípicas para clones de determinada instituição/país. Nas análises de associação para soja, objetivou-se verificar até que ponto se justifica o trabalho e custo extra envolvido com imputações de dados de WGS, pois, para alguns pesquisadores, o grau necessário de resolução para seleção por marcadores já seria suprido por GBS, mas isso certamente dependeria dos objetivos da pesquisa, espécie e herdabilidade do caractere. Palavras-chave: Manihot esculenta. Predição genômica. População de treinamento. Genotipagem por sequenciamento. Soja. GWAS. mapeamento associativo.