A seleção genômica (Genomic Selection - GS) permite identificar indivíduos superiores com base no seu método genômico e apresenta a possibilidade de incorporação do melhoramento quantitativo à genética molecular. O melhor preditor linear não viesado (Best Linear Unbiased Prediction - BLUP) é um método de predição dos efeitos aleatórios do modelo com base nos componentes de variância obtidos por meio do método máxima verossimilhança restrita (Restricted maximum likelihood - REML). A eficiência do REML\\BLUP pode ser incrementada por meio da incorporação de matrizes de parentesco genômico nos modelos de seleção genômica, uma vez que os efeitos genéticos genômicos aditivos dos indivíduos avaliados constituem os componentes aleatórios dos modelos mistos abordados. Dentre os algoritmos disponíveis para estimá-las, a partir de dados de polimorfismo de nucleotídeo único (Single-nucleotide polymorphism - SNP\'s) há as matrizes de Vanraden (2008) Astle e Balding (2009) e as de Yang et al. (2010) (matriz de parentesco unificado e matriz de parentesco unificado ajustado). Adicionalmente ao método de estimação da matriz de parentesco, a acurácia da GS depende da densidade de marcadores e da extensão e padrão de desequilíbrio de ligação (Linkage desequilibrium - LD) que existe no painel. Com isto, os objetivos foram: i) investigar o efeito da redução nas densidades de marcadores SNP\'s, por meio do LD, na estimativa do parentesco genético dos indivíduos e, consequentemente, na acurácia preditiva da GS; ii) estudar o efeito do uso de diferentes tipos de matrizes de parentesco genômico na acurácia da seleção genômica para linhagens e híbridos de milho tropical. Para isso, foram considerados dois painéis distintos de milho tropical: uma composta por 64 linhagens endogâmicas e a outra, por 452 híbridos. Estas foram avaliadas para o caráter produtividade de grãos, em oito e cinco ambientes, respectivamente. As linhagens e os híbridos foram genotipados com a plataforma Affymetrix® Axiom® Maize Genotyping Array, com cerca de 600 mil marcadores. Foram construídos diferentes cenários de GS quanto ao tipo de painel (linhagens e híbridos), densidade de marcadores (400k, 60k, 9586 e 1304 para linhagens e 50k, 4458 e 495, para híbridos) e tipos de matrizes de parentesco (citadas acima). Em cada um destes cenários foi estimada a herdabilidade, acurácia, capacidade preditiva e a coincidência de seleção. A partir dos resultados conclui-se que: tanto para híbridos como para linhagens, a densidade de marcas pode ser reduzida significativamente por meio do LD existente entre os SNP\'s, sem gerar prejuízos quanto à acurácia da GS, mas reduzindo os custos com genotipagem e a demanda computacional. Para predição genômica das linhagens, a matriz de Vanraden (2008) apresenta o melhor custo benefício, pois tem menor demanda computacional e proporciona resultados satisfatórios quanto à acurácia e coincidência de seleção. Para a predição genômica de híbridos, as matrizes de Yang et al. (2010) são superiores em relação às demais testadas, quanto à acurácia preditiva e coincidência de seleção. / The efficiency of the Best Linear Unbiased Prediction (BLUP), along with the Restricted maximum likelihood (REML) methods, can be increased by incorporating genomic kinship matrices to Genomic Selection models (GS). Among the available algorithms to estimate these matrices from single-nucleotide polymorphism (SNP) data there are Vanraden (2008), Astle e Balding (2009) and Yang et al. (2010) (unified relationship matrix and adjusted unified relationship matrix). In addition to the estimation method of the relationship matrix, the accuracy of GS depends on the density of markers and the extent and pattern of linkage disequilibrium (LD) that there is in the panel. Thus, the aims were: i) assess the effect of marker density reduction, based on LD, on the estimative of the genetic relationship of individuals and, consequently, on the predictive accuracy of GS; ii) study the effects of types of genomic relationship matrices on the accuracy of genomic selection for tropical maize lines and hybrids. In order to achieve there, two distinct panel of tropical maize were used: the first consisting of 64 inbred lines and latter of 452 hybrids. These panels were evaluated in field trials for grain yield in eight and five environments, respectively. The lines and hybrids were genotyped by the Affymetrix® Axiom® Maize Genotyping Array platform with 612 thousand markers. Distinct scenarios of GS were comprised considering panel type (lines and hybrids), marker density (400k, 60k, 9586 and 1304 for lines and, 50k, 4458 and 495 for hybrids) and, types of kinship matrices cited aboved. In each of these scenarios heritability, accuracy, predictive capacity and the selection coincidence were estimated. From the results it was concluded that: for both, hybrids and lines, marker density can be significantly reduced based on LD between SNP\'s without affecting the accuracy. Furthermore, this reduction also decreases genotyping costs and computational requirements. For genomic prediction of lines, Vanraden (2008) matrix shows the best cost-benefit, because it demands less computer resources and provides satisfactory results in terms of accuracy and selection coincidence. On the other hand, for genomic prediction of hybrids, the matrices of Yang et al. (2010) yielded higher predictive accuracies and selection coincidences.

A seleção genômica (Genomic Selection - GS) permite identificar indivíduos superiores com base no seu método genômico e apresenta a possibilidade de incorporação do melhoramento quantitativo à genética molecular. O melhor preditor linear não viesado (Best Linear Unbiased Prediction - BLUP) é um método de predição dos efeitos aleatórios do modelo com base nos componentes de variância obtidos por meio do método máxima verossimilhança restrita (Restricted maximum likelihood - REML). A eficiência do REML\\BLUP pode ser incrementada por meio da incorporação de matrizes de parentesco genômico nos modelos de seleção genômica, uma vez que os efeitos genéticos genômicos aditivos dos indivíduos avaliados constituem os componentes aleatórios dos modelos mistos abordados. Dentre os algoritmos disponíveis para estimá-las, a partir de dados de polimorfismo de nucleotídeo único (Single-nucleotide polymorphism - SNP\'s) há as matrizes de Vanraden (2008) Astle e Balding (2009) e as de Yang et al. (2010) (matriz de parentesco unificado e matriz de parentesco unificado ajustado). Adicionalmente ao método de estimação da matriz de parentesco, a acurácia da GS depende da densidade de marcadores e da extensão e padrão de desequilíbrio de ligação (Linkage desequilibrium - LD) que existe no painel. Com isto, os objetivos foram: i) investigar o efeito da redução nas densidades de marcadores SNP\'s, por meio do LD, na estimativa do parentesco genético dos indivíduos e, consequentemente, na acurácia preditiva da GS; ii) estudar o efeito do uso de diferentes tipos de matrizes de parentesco genômico na acurácia da seleção genômica para linhagens e híbridos de milho tropical. Para isso, foram considerados dois painéis distintos de milho tropical: uma composta por 64 linhagens endogâmicas e a outra, por 452 híbridos. Estas foram avaliadas para o caráter produtividade de grãos, em oito e cinco ambientes, respectivamente. As linhagens e os híbridos foram genotipados com a plataforma Affymetrix® Axiom® Maize Genotyping Array, com cerca de 600 mil marcadores. Foram construídos diferentes cenários de GS quanto ao tipo de painel (linhagens e híbridos), densidade de marcadores (400k, 60k, 9586 e 1304 para linhagens e 50k, 4458 e 495, para híbridos) e tipos de matrizes de parentesco (citadas acima). Em cada um destes cenários foi estimada a herdabilidade, acurácia, capacidade preditiva e a coincidência de seleção. A partir dos resultados conclui-se que: tanto para híbridos como para linhagens, a densidade de marcas pode ser reduzida significativamente por meio do LD existente entre os SNP\'s, sem gerar prejuízos quanto à acurácia da GS, mas reduzindo os custos com genotipagem e a demanda computacional. Para predição genômica das linhagens, a matriz de Vanraden (2008) apresenta o melhor custo benefício, pois tem menor demanda computacional e proporciona resultados satisfatórios quanto à acurácia e coincidência de seleção. Para a predição genômica de híbridos, as matrizes de Yang et al. (2010) são superiores em relação às demais testadas, quanto à acurácia preditiva e coincidência de seleção. / The efficiency of the Best Linear Unbiased Prediction (BLUP), along with the Restricted maximum likelihood (REML) methods, can be increased by incorporating genomic kinship matrices to Genomic Selection models (GS). Among the available algorithms to estimate these matrices from single-nucleotide polymorphism (SNP) data there are Vanraden (2008), Astle e Balding (2009) and Yang et al. (2010) (unified relationship matrix and adjusted unified relationship matrix). In addition to the estimation method of the relationship matrix, the accuracy of GS depends on the density of markers and the extent and pattern of linkage disequilibrium (LD) that there is in the panel. Thus, the aims were: i) assess the effect of marker density reduction, based on LD, on the estimative of the genetic relationship of individuals and, consequently, on the predictive accuracy of GS; ii) study the effects of types of genomic relationship matrices on the accuracy of genomic selection for tropical maize lines and hybrids. In order to achieve there, two distinct panel of tropical maize were used: the first consisting of 64 inbred lines and latter of 452 hybrids. These panels were evaluated in field trials for grain yield in eight and five environments, respectively. The lines and hybrids were genotyped by the Affymetrix® Axiom® Maize Genotyping Array platform with 612 thousand markers. Distinct scenarios of GS were comprised considering panel type (lines and hybrids), marker density (400k, 60k, 9586 and 1304 for lines and, 50k, 4458 and 495 for hybrids) and, types of kinship matrices cited aboved. In each of these scenarios heritability, accuracy, predictive capacity and the selection coincidence were estimated. From the results it was concluded that: for both, hybrids and lines, marker density can be significantly reduced based on LD between SNP\'s without affecting the accuracy. Furthermore, this reduction also decreases genotyping costs and computational requirements. For genomic prediction of lines, Vanraden (2008) matrix shows the best cost-benefit, because it demands less computer resources and provides satisfactory results in terms of accuracy and selection coincidence. On the other hand, for genomic prediction of hybrids, the matrices of Yang et al. (2010) yielded higher predictive accuracies and selection coincidences.

A soja é uma oleaginosa com grande destaque na economia mundial. O Brasil é o segundo maior produtor de soja, após os EUA, ressaltando a importância desta cultura para o país. Para que haja progresso genético nesta cultura, é necessário que haja diversidade genética e uma das maneiras de se estimar a diversidade genética de um grupo é através do conceito de base genética, que pode ser definida como o número de ancestrais e a contribuição genética relativa (CGR) de cada um deles para cada cultivar. A CGR pode ser estimada através do coeficiente de parentesco entre os ancestrais e as cultivares. Estudos anteriores concluíram que a base genética da soja era bastante estreita, sendo que apenas quatro ancestrais contribuíam com 48,16% da base genética. O objetivo geral deste estudo foi avaliar as genealogias de 444 cultivares brasileiras de soja para estimar sua base genética atual. Além disso, as cultivares foram divididas de acordo com seu período de lançamento (anterior a 1971, 1971-1980, 1981-1990, 1991-2000 e 2001-2009) ou de acordo com sua origem (pública ou privada) e foi estimada a base genética de cada grupo. Os resultados foram comparados com dados de marcadores moleculares de outros trabalhos. Foram encontrados 60 ancestrais para estas 444 cultivares, sendo que os quatro principais ancestrais (CNS, S-100, Nanking e Tokyo) contribuem com 55,26% e que apenas 14 ancestrais contribuem com mais de 1,00% individualmente para a base genética. Assim, estes 14 ancestrais representam 92,41% da base genética brasileira. Estes dados revelam que a base genética atual da soja brasileira continua bastante estreita, sendo muito similar à base genética da soja dos EUA, com a qual compartilha seis dos principais ancestrais. Na análise dos períodos, foi verificado que houve um aumento no número de ancestrais com o passar do tempo, mas os quatro principais ancestrais foram os mesmos em todos os períodos e sua contribuição ficou mais concentrada, passando de 46,60% no período anterior a 1971 para 57,59% no período 2001-2009, indicando um estreitamento da base genética. Além disso, os novos ancestrais incorporados ao longo do tempo apresentam contribuições muito baixas, sendo que em muitos casos foram incorporados apenas para introduzirem algumas características qualitativas. As 301 cultivares públicas possuem 58 ancestrais e CGRs bastante similares ao conjunto total. As cultivares privadas possuem 37 ancestrais, um número menor que o do conjunto total, provavelmente devido ao menor número de cultivares privadas analisadas (112), mas sua base genética é bastante similar ao do conjunto total. Portanto, conclui-se que (a) a base genética da soja é bastante estreita, apesar da incorporação de novos ancestrais; (b) com o passar do tempo houve um estreitamento da base genética, com aumento na CGR dos principais ancestrais; (c) não há diferença na CGR dos principais ancestrais entre as cultivares públicas e privadas e (d) os resultados deste trabalho concordam com alguns dados de marcadores moleculares, mas diferem de outros. / Soybean is a very important oilseed in the world economy. Brazil is the second largest producer, behind the USA, highlighting the importance of this crop for the country. Genetic diversity is needed for genetic progress, and one manner of estimating the genetic diversity of a group is through the concept of a genetic base, which can be defined as the number of ancestors and their relative genetic contribution (RGC) to each cultivar. The RGC can be estimated through the coefficient of parentage between the ancestors and the cultivars. Previous studies had determined that the genetic base of Brazilian soybean was very narrow, with only four ancestors representing 48.16% of the genetic base. The general objective of this work was to evaluate the pedigree of 444 Brazilian soybean cultivars to estimate their genetic base. The cultivars were also divided according to their release dates (before 1971, 1971-1980, 1981-1990, 1991-2000 e 2001- 2009) or according to their origin (public or private) and the genetic base for each group was also estimated. The results were compared to data from similar studies involving molecular markers. A total of 60 ancestors contribute to these 444 cultivars. The four main ancestors (CNS, S-100, Nanking and Tokyo) contribute with 55.26% of the genetic base and only 14 ancestors contribute with more than 1.00% individually to the genetic base. Therefore, these 14 ancestors represent 92.41% of the genetic base of Brazilian soybean. These results indicate that the genetic base of Brazilian soybean is very narrow, and it is also very similar to the genetic base of soybean in the USA, with which it shares six of its main ancestors. The analysis of the release dates indicates that there has been an increase of ancestors over time, but the four main ancestors were the same over all periods, and their cumulative RGC went from 46.60% (before 1971) to 57.59% (2001-2009), indicating a narrowing of the genetic base. The new ancestors incorporated over time presented very low contributions, and in many cases were only used to incorporate specific qualitative characteristics. The 301 public cultivars had 58 ancestors and their RGC was very similar to the total number of cultivars. The private cultivars had only 37 ancestors, which may have been caused by the lower number of cultivars analyzed (112), but the RGC of the main ancestors was also very similar to the general genetic base. Therefore, we conclude that (a) the current genetic base of Brazilian soybean remains narrow, in spite of the incorporation of new ancestors; (b) the genetic base has become more narrow over time, with an increase in the RGC of the main ancestors; (c) there is no difference in the RGC of the main ancestors between public and private cultivars and (d) the results of this study are supported by molecular marker data from some works, but differs from others.

A soja é uma oleaginosa com grande destaque na economia mundial. O Brasil é o segundo maior produtor de soja, após os EUA, ressaltando a importância desta cultura para o país. Para que haja progresso genético nesta cultura, é necessário que haja diversidade genética e uma das maneiras de se estimar a diversidade genética de um grupo é através do conceito de base genética, que pode ser definida como o número de ancestrais e a contribuição genética relativa (CGR) de cada um deles para cada cultivar. A CGR pode ser estimada através do coeficiente de parentesco entre os ancestrais e as cultivares. Estudos anteriores concluíram que a base genética da soja era bastante estreita, sendo que apenas quatro ancestrais contribuíam com 48,16% da base genética. O objetivo geral deste estudo foi avaliar as genealogias de 444 cultivares brasileiras de soja para estimar sua base genética atual. Além disso, as cultivares foram divididas de acordo com seu período de lançamento (anterior a 1971, 1971-1980, 1981-1990, 1991-2000 e 2001-2009) ou de acordo com sua origem (pública ou privada) e foi estimada a base genética de cada grupo. Os resultados foram comparados com dados de marcadores moleculares de outros trabalhos. Foram encontrados 60 ancestrais para estas 444 cultivares, sendo que os quatro principais ancestrais (CNS, S-100, Nanking e Tokyo) contribuem com 55,26% e que apenas 14 ancestrais contribuem com mais de 1,00% individualmente para a base genética. Assim, estes 14 ancestrais representam 92,41% da base genética brasileira. Estes dados revelam que a base genética atual da soja brasileira continua bastante estreita, sendo muito similar à base genética da soja dos EUA, com a qual compartilha seis dos principais ancestrais. Na análise dos períodos, foi verificado que houve um aumento no número de ancestrais com o passar do tempo, mas os quatro principais ancestrais foram os mesmos em todos os períodos e sua contribuição ficou mais concentrada, passando de 46,60% no período anterior a 1971 para 57,59% no período 2001-2009, indicando um estreitamento da base genética. Além disso, os novos ancestrais incorporados ao longo do tempo apresentam contribuições muito baixas, sendo que em muitos casos foram incorporados apenas para introduzirem algumas características qualitativas. As 301 cultivares públicas possuem 58 ancestrais e CGRs bastante similares ao conjunto total. As cultivares privadas possuem 37 ancestrais, um número menor que o do conjunto total, provavelmente devido ao menor número de cultivares privadas analisadas (112), mas sua base genética é bastante similar ao do conjunto total. Portanto, conclui-se que (a) a base genética da soja é bastante estreita, apesar da incorporação de novos ancestrais; (b) com o passar do tempo houve um estreitamento da base genética, com aumento na CGR dos principais ancestrais; (c) não há diferença na CGR dos principais ancestrais entre as cultivares públicas e privadas e (d) os resultados deste trabalho concordam com alguns dados de marcadores moleculares, mas diferem de outros. / Soybean is a very important oilseed in the world economy. Brazil is the second largest producer, behind the USA, highlighting the importance of this crop for the country. Genetic diversity is needed for genetic progress, and one manner of estimating the genetic diversity of a group is through the concept of a genetic base, which can be defined as the number of ancestors and their relative genetic contribution (RGC) to each cultivar. The RGC can be estimated through the coefficient of parentage between the ancestors and the cultivars. Previous studies had determined that the genetic base of Brazilian soybean was very narrow, with only four ancestors representing 48.16% of the genetic base. The general objective of this work was to evaluate the pedigree of 444 Brazilian soybean cultivars to estimate their genetic base. The cultivars were also divided according to their release dates (before 1971, 1971-1980, 1981-1990, 1991-2000 e 2001- 2009) or according to their origin (public or private) and the genetic base for each group was also estimated. The results were compared to data from similar studies involving molecular markers. A total of 60 ancestors contribute to these 444 cultivars. The four main ancestors (CNS, S-100, Nanking and Tokyo) contribute with 55.26% of the genetic base and only 14 ancestors contribute with more than 1.00% individually to the genetic base. Therefore, these 14 ancestors represent 92.41% of the genetic base of Brazilian soybean. These results indicate that the genetic base of Brazilian soybean is very narrow, and it is also very similar to the genetic base of soybean in the USA, with which it shares six of its main ancestors. The analysis of the release dates indicates that there has been an increase of ancestors over time, but the four main ancestors were the same over all periods, and their cumulative RGC went from 46.60% (before 1971) to 57.59% (2001-2009), indicating a narrowing of the genetic base. The new ancestors incorporated over time presented very low contributions, and in many cases were only used to incorporate specific qualitative characteristics. The 301 public cultivars had 58 ancestors and their RGC was very similar to the total number of cultivars. The private cultivars had only 37 ancestors, which may have been caused by the lower number of cultivars analyzed (112), but the RGC of the main ancestors was also very similar to the general genetic base. Therefore, we conclude that (a) the current genetic base of Brazilian soybean remains narrow, in spite of the incorporation of new ancestors; (b) the genetic base has become more narrow over time, with an increase in the RGC of the main ancestors; (c) there is no difference in the RGC of the main ancestors between public and private cultivars and (d) the results of this study are supported by molecular marker data from some works, but differs from others.