Submitted by Reginaldo Soares de Freitas (reginaldo.freitas@ufv.br) on 2017-02-08T16:38:24Z No. of bitstreams: 1 texto completo.pdf: 619572 bytes, checksum: c1d04820225a12c3d12c15ec4d7c4d11 (MD5) / Made available in DSpace on 2017-02-08T16:38:24Z (GMT). No. of bitstreams: 1 texto completo.pdf: 619572 bytes, checksum: c1d04820225a12c3d12c15ec4d7c4d11 (MD5) Previous issue date: 2016-07-18 / Fundação de Amparo à Pesquisa do Estado de Minas Gerais / O objetivo deste trabalho foi utilizar a metodologia de modelos mistos na predição do potencial genético de populações segregantes e na seleção de progênies visando ao melhoramento do feijão-preto. A partir de cruzamentos em esquema de dialelo parcial 5 x 7, 35 populações foram obtidas e avançadas em bulk até a geração F2. Na geração F3, essas populações foram avaliadas na safra de inverno de 2014, utilizando o delineamento de blocos casualizados. A partir de dados de plantas individuais quanto à produção de grãos (PG) e ao diâmetro do hipocótilo (DH), foram utilizadas as metodologias de Jinks e Pooni e a baseada em modelos mistos, para a predição do potencial dessas populações na extração de linhagens superiores. Vinte dessas populações constituíram a base (C0) para um programa de seleção recorrente. De cada uma dessas populações foram selecionadas 19 plantas com maiores valores de DH, dando origem a 380 progênies de feijão-preto. Essas progênies foram avaliadas por duas gerações, F3:4 (seca 2015) e F3:5 (inverno 2015), quanto a arquitetura de plantas (ARQ), severidade de mancha-angular (MA), produtividade de grãos (PROD) e aspecto comercial de grãos (AG). Para predição do valor genético das progênies, foi utilizado o índice de seleção com efeito de progenitor, população, progênie e geração (ISPPPG). Com base nos valores genéticos preditos e no índice de seleção aditivo, foram selecionadas, independentemente da população de origem, as 40 progênies com o maior potencial para a extração de linhagens superiores. Também foi selecionada a melhor progênie de cada uma das 20 populações, as quais serão recombinadas para dar origem ao ciclo um (C1) do Programa de Seleção Recorrente. Considerando a avaliação das populações F3, observou-se a presença de variabilidade genética entre elas para as características DH e PG. A acurácia seletiva em nível de média de populações foi de 88,19% para DH e 84,36% para PG, enquanto a acurácia na seleção individual de plantas apresentou valores inferiores a 26%. A eficiência com a seleção pelo BLUP (Melhor Predição Linear Não Viesada) entre e dentro de populações foi de apenas 1% para essas duas características. A metodologia de Jinks e Pooni e a baseada em modelos mistos foram equivalentes na predição do potencial das populações segregantes. Considerando as características PROD, ARQ, MA e AG, avaliadas nas progênies, observou-se efeito significativo de progênie, de população (exceto para AG) e de progênie x geração (exceto para ARQ). Obtiveram-se acurácias acima de 85% para todas as características, com o uso do ISPPPG na predição do valor genético das progênies. Com o índice de seleção aditivo foi obtida predição de ganhos desejados simultâneos para as quatro características. O uso de modelos mistos mostrou-se promissor no melhoramento do feijoeiro. / This work aims the use of mixed models methodology in predicting the potential of segregating populations and selection of progenies at black bean breeding program. From crosses in partial diallel scheme (5 x 7), 35 population were obtained and advanced in bulk to F3 generation, which were evaluated in 2014 winter season, in a randomized block design. From data of individual plants for grain production (GP) and hypocotyl diameter (HD), I used the methodologies of Jinks and Pooni and the mixed models to predict the potential from those populations in order to extract superior lines. Twenty population composed the base (C0) of a recurrent selection program. From each of these populations, nineteen plants with higher HD values were selected to give rise to 380 black coat seeds progenies. These progenies were evaluated for two generations F3:4 (drought 2015) and F3:5 (winter 2015) regarding plant architecture (ARQ), angular-leaf-spot severity (ALS), grain yield (GY) and commercial aspect (GA). I used the selection index with parents, populations, progenies and generations effects (SIPPPG) to predict the genetic value of the progenies. Based on genetic values predicted and through the additive index, I selected 40 progenies with the greatest potential for superior lines extraction, regardless the source population. I also selected the best progeny of each of the 20 population, which will be combined to give rise the cycle one (C1) of the Recurrent Selection Program. There was genetic variability among F3 population regarding GP and HD. The average level selective accuracy of population was 88.19% to HD and 84.36% to GP, while the individual selective accuracy presented values lower than 26%. The efficiency with the BLUP (Best Linear Unbiased Prediction) selection among and within populations was only 1% for both characteristics. The methodology of Jinks e Pooni and the methodology based on mixed models were similar in predict the potential of segregating population. Considering GY, ARQ, ALS and GA, there was significant progeny effect, population effect (except for GA) and progeny x generation effect (except for ARQ). Accuracies above 85% were obtained for all characteristics using the SIPPPG in predicting the progenies genetic values. I got simultaneous desired predicted gains for the four characteristics. The use of mixed models shows promise in bean breeding programs.