Genetic improvement of indigenous pig populations in tropical developing countries can make a significant contribution to the conservation and utilization of local genetic resources. Designing a swine breeding program requires knowledge of genetic parameters for economically important traits. A meta-analysis of genetic parameters determined under tropical conditions and published from 1974 to 2009 was carried out to provide consensus estimates of genetic parameters. Given that the data recording and analysis infrastructure for implementing the conventional best linear unbiased prediction (BLUP) methods is generally lacking in developing countries, Genome-wide selection (GS) provides an approach for achieving faster genetic progress without developing a pedigree recording system. A simulation study was carried out to evaluate the option of using available 60 K single nucleotide polymorphism marker panel. The observed levels of linkage disequilibrium (LD) in the tropical pig populations were simulated and utilized. Genomic predictions were from ridge regression analysis. The results showed that expected accuracies of genomic breeding values (GBV) were in the range of 0.31 - 0.86 for the validation set. Genome-wide selection improved accuracy of GBVs over conventional BLUP method for traits with low heritability and in young animals with no performance data. Crossbred training populations had higher accuracy than purebred training populations. An assessment of the opportunities for GS in tropical pig breeding was conducted. Genome-wide selection performed better than conventional methods by increasing genetic gain and maintaining genetic variation while lowering inbreeding especially for traits with low heritability, by exploiting LD and the Mendelian sampling effects. Combining GS with repeated backcrossing of crossbreds to the selected exotic population in moderate LD promises faster improvements of the commercial population. A two-step selection strategy that involves the use of GS to pre-select candidates that entered the performance test station and for selecting replacement candidates in a nucleus swine breeding program was evaluated and compared to other conventional approaches. Genome-wide selection generated an increase of about 38% to 172% in annual returns compared to other conventional approaches for previously selected population in moderate LD and about 2% to 50% increases in return for unselected population in low LD. / Canadian Commonwealth Scholarship and Fellowship Program, University of Guelph

Submitted by Reginaldo Soares de Freitas (reginaldo.freitas@ufv.br) on 2017-09-06T16:08:53Z No. of bitstreams: 1 texto completo.pdf: 542389 bytes, checksum: 16711f10ab30fbe3018e7a5d3be9aa19 (MD5) / Made available in DSpace on 2017-09-06T16:08:53Z (GMT). No. of bitstreams: 1 texto completo.pdf: 542389 bytes, checksum: 16711f10ab30fbe3018e7a5d3be9aa19 (MD5) Previous issue date: 2017-04-28 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / A seleção de genitores é a primeira etapa em um programa de melhoramento e define o potencial de sucesso no desenvolvimento de uma cultivar superior. A seleção genômica ampla (do inglês, genome wide selection – GWS) associa informações moleculares e fenotípicas e prediz o desempenho de progênies futuras (valor genético genômico predito) com informações moleculares. Neste cenário, o objetivo deste estudo foi avaliar o potencial da GWS na predição do desempenho de híbridos e, consequentemente, na seleção de genitores para cruzamentos, utilizando-se somente informações genotípicas dos híbridos. Ademais, almejou-se comparar os resultados com técnicas tradicionais de seleção de genitores (seleção univariada e multivariada), visando o estabelecimento de blocos de cruzamento, para, então, parametrizar o potencial da GWS. Para execução do experimento foram utilizados dados simulados tomando como referência o genoma da soja. Foram criadas 200 RILs (do inglês, recombinant inbred line) com informações moleculares de 5400 SNPs e quatro características fenotípicas (produtividade, altura de planta, acamamento e ramificações laterais). Além disso, foram gerados 19900 híbridos oriundos do intercruzamento de todas as RILs. O conjunto de informações das RILs foram criadas fazendo alusão ao processo de fenotipagem e genotipagem de um conjunto de linhagens de soja com potencial para serem selecionadas como genitores em um programa de melhoramento. Primeiramente, foram selecionadas 10 linhagens seguindo critério univariado para a característica de interesse, ou seja, baseando-se no desempenho fenotípico per se para a produtividade. Em seguida, utilizou-se de um critério multivariado para seleção de genitores. Neste, foi empregado o método de agrupamento de Tocher, utilizando-se a distância euclidiana média, e a técnica de componentes principais para seleção de 10 linhagens geneticamente divergentes. Posteriormente, a seleção de genitores (10 linhagens) foi baseada no valor genético genômico estimado das RILs, cuja estimação foi obtida a partir da metodologia de seleção genômica ampla, considerando o carácter produtividade. Neste caso, foram selecionadas as linhagens com maior valor genético genômico estimado. Os três blocos de cruzamentos gerados foram avaliados pelo modelo de análise dialélica proposto por Griffing (1956). Paralelamente, os valores fenotípicos dos híbridos foram analisados visando a seleção das melhores populações híbridas de cada bloco de cruzamento. Além disto, estimou-se o valor genético genômico predito de todos os híbridos oriundos do intercruzamento das 200 linhagens e o potencial preditivo foi verificado analisando-se o desempenho fenotípico dos melhores híbridos preditos. As metodologias de seleção de genitores univariada com base em valores fenotípicos e predição pela GWS apresentaram quatro populações híbridas promissoras de acordo com a análise dialélica, enquanto que o critério multivariado para seleção de genitores rendeu seis híbridos superiores. Entretanto, considerando-se a seleção dos 20% melhores híbridos baseados apenas em dados fenotípicos, foi observado que as populações mais promissoras foram encontradas no bloco de cruzamento baseado no valor genético genômico estimado dos genitores, seguido pelo critério multivariado e univariado. O desempenho fenotípico médio destes híbridos superiores foi 1,14, 1,11 e 0,93, respectivamente. A predição de performance empregada pela GWS para quatro características fenotípicas apresentou resultados promissores. O desempenho fenotípico dos melhores híbridos preditos para as características produtividade, altura de planta, acamamento e ramificações laterais apontou que 30%, 47%, 46% e 46% dos melhores híbridos preditos apresentaram excelente desempenho fenotípico, respectivamente. Além disso, observou-se que os genitores das populações híbridas com excelente desempenho fenotípico apresentavam elevados valores genético genômicos, destacando a importância de se considerar informações de genitores. Este resultado ressalta o potencial da GWS na predição do desempenho de híbridos e, consequentemente, na determinação dos genitores selecionados para cruzamentos. / Parental selection is the main stage in a breeding program, once it delimits the success in developing a new cultivar. The Genome Wide Selection (GWS) enables the association of molecular information with phenotypic data and predicts the performance of future progenies (estimated breeding value) using molecular information. In this scenario, the aim of this study was to evaluate the potential of GWS to predict hybrid performance and, consequently, support parental selection, only employing genotypic information of hybrid populations. Besides, we aimed to compare the results with traditional methods of parental selection (univariate and multivariate selection), in order to form crossing blocks, and, therefore, to parametrize the GWS potential. We ran this study based on simulated data from the soybean reference genome. We created 200 RILs (recombinant inbred line) associated to molecular information (5400 SNP markers) and four phenotypic traits (yield, plant height, lodging and number of branches). We created the 19900 hybrids from the intercross of all RILs as well. The group of RILs data was created aiming to allude the process of genotyping and phenotyping a set of soybean inbred lines with potential to yield promising hybrids. First, 10 inbred lines were selected according to per se performance criteria for yield, that is, the most yielding lines were selected. Then, a multivariate approach was employed for parental selection. In this case, the Tocher grouping technique, based on average Euclidean distance, and Principal Components analysis were employed to select the most genetically divergent inbred lines (10 inbred selected). Next, the parental selection (10 inbred lines selected) was based on estimated breeding value of RILs, whose estimation was made according to the GWS methodology for yield. All three crossing blocks were evaluated through diallele cross analysis following the method proposed by Griffing (1956). Alongside, the hybrids phenotypic performance was analyzed solely as well. Moreover, we estimated all hybrids breeding value from the intercross of the 200 RILs and its prediction capability was verified analyzing the phenotypic performance of the best predicted hybrids. The parental selection approaches based on univariate criteria and GWS prediction displayed four promising hybrid populations according to the diallele cross analysis, while the multivariate criteria yielded six superior hybrids. However, considering selecting the 20% best hybrids based solely on phenotypic performance, we observed that the most promising ones were found in the crossing block based on estimated breeding value, follow by the multivariate approach and univariate criteria. The phenotypic average performance of these superior hybrids populations were 1.14, 1.11 and 0.93, respectively. The performance prediction employed for four agronomic traits by GWS delivered promising results. The phenotypic analysis of the best hybrids according to the GWS prediction model (ones with highest estimated breeding value) for yield, plant height, lodging and number of branches pointed out that 30%, 47%, 46% and 46% of theses hybrids performed phenotypically greatly, respectively. In addition, the genitors of the hybrid populations with excellent phenotypic performance had great estimated breeding value, indicating parental information importance. These results highlight the potential of GWS in predicting the best hybrids and, therefore, establishing the best parents for crossing.

O grande potencial da genômica em benefício do melhoramento genético aplicado é a utilização direta das informações de marcadores de DNA na seleção, de forma a permitir igual ou maior eficiência seletiva, maior rapidez na obtenção de ganhos genéticos e redução de custos de fenotipagem, em comparação com a seleção tradicional. Esta era genômica está trazendo novas oportunidades para os melhoristas florestais, porém desafios ainda existem para o uso operacional da Seleção Genômica Ampla. Sendo assim, este trabalho teve por objetivo avaliar a capacidade preditiva de características de crescimento volumétrico de modelos de SGA previamente construídos para características de crescimento volumétrico e qualidade da madeira com uma população elite de melhoramento genético da International Paper do Brasil que atuou como população de treinamento. Os modelos preditivos foram aplicados em quatro populações de candidatos à seleção constituídos por testes de progênies e teste clonal de Eucalyptus com características contrastantes do ponto de vista de relacionamento genético com a população na qual os modelos foram desenvolvidos: (1) três populações compostas por indivíduos geneticamente relacionados com a população de descoberta e (2) uma população composta por indivíduos geneticamente não relacionados com a população de descoberta. Posteriormente, as quatro populações de avaliação, compostas por 100 indivíduos genotipados em cada uma, foram utilizadas para construir novos modelos preditivos e validações cruzadas realizadas entre estas populações. Foram utilizados para as análises SNPs com frequência de declaração de genótipo (call rate) ≥ 0.90 e MAF (menor frequência alélica) ≥ 0.01, totalizando 29.090 marcadores. O modelo preditivo previamente elaborado para população elite da International Paper apresentou capacidades preditivas que variaram de -0,296 para o caráter Altura em população geneticamente não relacionada até 0,440 para o caráter DAP em uma população geneticamente relacionada. Com os modelos desenvolvidos com as quatro populações genotipadas, e realizando seleção de marcas com base nos seus efeitos, as maiores capacidades preditivas foram obtidas por um número de SNPs médio que variou de 1371 para volume e IMA a 1467 para DAP. Usando esta abordagem, a capacidade preditiva maximizada para DAP foi de 0,744, 0,727 para altura, 0,751 para volume e 0,752 para IMA. Acurácias preditivas maximizadas, foram em seguida estimadas ao utilizar o menor número de SNPs selecionados. Com 237 SNPs acurácias da ordem de 0,660 para DAP, 0,555 para altura, 0,743 para volume e 0,743 para IMA foram obtidas. Embora estes resultados sugerem que a SGA teria bom resultado somente entre indivíduos geneticamente relacionados, uma análise conjunta dos dados utilizados para o desenvolvimento dos modelos preditivos anteriormente gerados com os dados das quarto populações aqui avaliadas, se faz necessária para alcançar resultados mais conclusivos. Adicionalmente, a abordagem de seleção de marcas para maximizar a capacidade preditiva ou acurácia deverá ser melhor avaliada à luz do seu impacto na medida que a SGA venha a ser praticada em futuras gerações de seleção. / The potential of genomics to the benefit of applied breeding is the direct use of DNA markers information for selection, allowing equal or higher selection efficiency, higher genetic gains per unit time and cost reduction in phenotyping, when compared with traditional selection based on phenotypic data. Researchers have proposed a new selection method called genome-wide selection (GWS), which has been successfully applied in livestock genetics and promises to revolutionize the improvement of perennial species with long life cycles. This genomic era is bringing new opportunities to forest breeders, but major challenges still need to be overcome for the operational use of GWS. Thus, this study aimed to assess the predictive ability of GWS models previously built for volume growth and wood quality traits based on an elite breeding population of International Paper in Brazil who served as discovery or training population. Predictive models were applied to four populations composed by progeny and clonal trials with contrasting characteristics from the standpoint of relatedness to the training population: (1) a population of individuals genetically related to the training population and (2) a population of individuals genetically unrelated to the training population. Subsequently, the four populations evaluated, with 100 genotyped individuals each, were used to build new models which were cross validated among them. Only SNPs with call rate ≥ 0.90 and MAF (minor allele frequency) ≥ 0.01 were used totaling 29,090 markers. Model previously developed yielded predictive abilities ranging from a lower -0.296 for height growth in genetically unrelated population to 0.440 for DBH and 0.219 for height in a genetically related population. With the GWS models built with the four genotyped populations and applying SNP marker selection based on their estimated effect the highest predictive capabilities were obtained when using an average number of SNPs ranging from 1371 for volume and MAI, to 1467 for DBH. The average predictive ability was maximized at 0.744 for DBH, 0.727 for height growth, 0.751 for volume and 0.752 for MAI. Maximized accuracies were obtained using the smallest number of SNPs with highest effects. With 237 selected SNPs accuracies around 0.660 for DBH, 0.555 for height, 0.743 for volume and 0.743 for MAI were obtained. While these results suggest that GWS should work well only across related individuals, a combined analysis of the data from the previous models with those of the four tested populations is necessary to reach more conclusive results. Furthermore, the approach of SNP marker selection to maximize predictive ability or accuracy is one that is still controversial and should be better evaluated in light of its impact as GWS is practiced in further generations of selection.

O grande potencial da genômica em benefício do melhoramento genético aplicado é a utilização direta das informações de marcadores de DNA na seleção, de forma a permitir igual ou maior eficiência seletiva, maior rapidez na obtenção de ganhos genéticos e redução de custos de fenotipagem, em comparação com a seleção tradicional. Esta era genômica está trazendo novas oportunidades para os melhoristas florestais, porém desafios ainda existem para o uso operacional da Seleção Genômica Ampla. Sendo assim, este trabalho teve por objetivo avaliar a capacidade preditiva de características de crescimento volumétrico de modelos de SGA previamente construídos para características de crescimento volumétrico e qualidade da madeira com uma população elite de melhoramento genético da International Paper do Brasil que atuou como população de treinamento. Os modelos preditivos foram aplicados em quatro populações de candidatos à seleção constituídos por testes de progênies e teste clonal de Eucalyptus com características contrastantes do ponto de vista de relacionamento genético com a população na qual os modelos foram desenvolvidos: (1) três populações compostas por indivíduos geneticamente relacionados com a população de descoberta e (2) uma população composta por indivíduos geneticamente não relacionados com a população de descoberta. Posteriormente, as quatro populações de avaliação, compostas por 100 indivíduos genotipados em cada uma, foram utilizadas para construir novos modelos preditivos e validações cruzadas realizadas entre estas populações. Foram utilizados para as análises SNPs com frequência de declaração de genótipo (call rate) ≥ 0.90 e MAF (menor frequência alélica) ≥ 0.01, totalizando 29.090 marcadores. O modelo preditivo previamente elaborado para população elite da International Paper apresentou capacidades preditivas que variaram de -0,296 para o caráter Altura em população geneticamente não relacionada até 0,440 para o caráter DAP em uma população geneticamente relacionada. Com os modelos desenvolvidos com as quatro populações genotipadas, e realizando seleção de marcas com base nos seus efeitos, as maiores capacidades preditivas foram obtidas por um número de SNPs médio que variou de 1371 para volume e IMA a 1467 para DAP. Usando esta abordagem, a capacidade preditiva maximizada para DAP foi de 0,744, 0,727 para altura, 0,751 para volume e 0,752 para IMA. Acurácias preditivas maximizadas, foram em seguida estimadas ao utilizar o menor número de SNPs selecionados. Com 237 SNPs acurácias da ordem de 0,660 para DAP, 0,555 para altura, 0,743 para volume e 0,743 para IMA foram obtidas. Embora estes resultados sugerem que a SGA teria bom resultado somente entre indivíduos geneticamente relacionados, uma análise conjunta dos dados utilizados para o desenvolvimento dos modelos preditivos anteriormente gerados com os dados das quarto populações aqui avaliadas, se faz necessária para alcançar resultados mais conclusivos. Adicionalmente, a abordagem de seleção de marcas para maximizar a capacidade preditiva ou acurácia deverá ser melhor avaliada à luz do seu impacto na medida que a SGA venha a ser praticada em futuras gerações de seleção. / The potential of genomics to the benefit of applied breeding is the direct use of DNA markers information for selection, allowing equal or higher selection efficiency, higher genetic gains per unit time and cost reduction in phenotyping, when compared with traditional selection based on phenotypic data. Researchers have proposed a new selection method called genome-wide selection (GWS), which has been successfully applied in livestock genetics and promises to revolutionize the improvement of perennial species with long life cycles. This genomic era is bringing new opportunities to forest breeders, but major challenges still need to be overcome for the operational use of GWS. Thus, this study aimed to assess the predictive ability of GWS models previously built for volume growth and wood quality traits based on an elite breeding population of International Paper in Brazil who served as discovery or training population. Predictive models were applied to four populations composed by progeny and clonal trials with contrasting characteristics from the standpoint of relatedness to the training population: (1) a population of individuals genetically related to the training population and (2) a population of individuals genetically unrelated to the training population. Subsequently, the four populations evaluated, with 100 genotyped individuals each, were used to build new models which were cross validated among them. Only SNPs with call rate ≥ 0.90 and MAF (minor allele frequency) ≥ 0.01 were used totaling 29,090 markers. Model previously developed yielded predictive abilities ranging from a lower -0.296 for height growth in genetically unrelated population to 0.440 for DBH and 0.219 for height in a genetically related population. With the GWS models built with the four genotyped populations and applying SNP marker selection based on their estimated effect the highest predictive capabilities were obtained when using an average number of SNPs ranging from 1371 for volume and MAI, to 1467 for DBH. The average predictive ability was maximized at 0.744 for DBH, 0.727 for height growth, 0.751 for volume and 0.752 for MAI. Maximized accuracies were obtained using the smallest number of SNPs with highest effects. With 237 selected SNPs accuracies around 0.660 for DBH, 0.555 for height, 0.743 for volume and 0.743 for MAI were obtained. While these results suggest that GWS should work well only across related individuals, a combined analysis of the data from the previous models with those of the four tested populations is necessary to reach more conclusive results. Furthermore, the approach of SNP marker selection to maximize predictive ability or accuracy is one that is still controversial and should be better evaluated in light of its impact as GWS is practiced in further generations of selection.

Métodos de predição podem aumentar consideravelmente a eficiência dos programas de melhoramento de milho. O objetivo deste estudo foi predizer a performance de 250 híbridos simples de milho avaliados em múltiplos ambientes utilizando a informação de marcadores moleculares. Para isso, 50 linhagens endogâmicas provenientes de diferentes populações foram cruzadas com cinco linhagens elite, também endogâmicas, para obtenção dos 250 híbridos simples. As matrizes moleculares das linhagens e dos híbridos foram obtidas a partir da genotipagem das 55 linhagens com 614 marcadores AFLP. Os híbridos simples foram avaliados para produção de grãos em 13 ambientes. A predição dos híbridos foi realizada utilizando o modelo misto BLUP considerando diferentes coeficientes de parentesco e similaridade no estado na predição dos efeitos das capacidades geral e específica de combinação dos genitores. As médias preditas dos híbridos a partir de cada coeficiente foram correlacionadas com as médias fenotípicas para obtenção da acurácia de predição. A predição também foi realizada utilizando o modelo de seleção genômica ampla RR-BLUP. Nesse caso, a matriz molecular dos híbridos foi utilizada diretamente no modelo misto de estimação dos efeitos dos marcadores e da contribuição de cada um deles para o valor genético dos híbridos. Foram realizadas validações cruzadas entre e dentro de ambientes e entre e dentro de grupos de híbridos relacionados a fim de verificar os efeitos do tamanho da população de treinamento (N), número de marcas (NM), interação híbridos x ambientes (H x A) e da estrutura da população na estimativa da acurácia de predição. A predição genômica foi comparada com a seleção fenotípica quanto à eficiência em identificar híbridos superiores em um esquema de melhoramento de milho. Todos os coeficientes de parentesco e similaridade no estado apresentaram elevadas estimativas de acurácia, contudo foi possível observar considerável superioridade dos coeficientes Wang e Rogers Modificado tanto na predição quanto na seleção dos híbridos superiores, demonstrando o potencial dessas metodologias como ferramentas a serem utilizadas nos programas de melhoramento de milho. Os resultados da predição utilizando o modelo de seleção genômica ampla indicaram que o aumento de N e NM não alteraram significativamente as estimativas de acurácia. As estimativas da acurácia na validação cruzada dentro de ambientes foram superiores às obtidas entre ambientes, inferindo que o efeito da interação H x A foi expressivo. Também foram observadas estimativas de acurácia expressivamente maiores para populações de treinamento e validação compostas por híbridos relacionados. Em todos os casos, as estimativas de acurácia apresentaram amplos intervalos em função da amostra de híbridos utilizada nas populações de treinamento e validação, indicando que a seleção genômica pode não ser eficiente dependendo da população amostrada. Os resultados deste estudo sugerem que a predição genômica é uma ferramenta para aumentar a eficiência da seleção nos programas de melhoramento se utilizada de forma adequada pelo melhorista, considerando os efeitos de estrutura de população e interação H x A de forma a maximizar a acurácia e, consequentemente, o sucesso da predição. / Prediction using molecular markers information can greatly increase the efficiency of maize breeding programs. This study aimed to predict the performance of maize single-crosses evaluated in multiple environments and using molecular markers information. Five inbred lines used as testers were crossed to 50 inbred lines from multiple populations to obtain 250 maize single-crosses. 614 AFLP markers were used to asses molecular matrices of the inbred lines and single-crosses. The 250 single-crosses were evaluated for grain yield in 13 environments. Genomic prediction was performed using the mixed model BLUP considering different genomic relationship and similarity in state coefficients to predict the effect of general and specific combining abilities of the parents. Predicted means from each coefficient were correlated with phenotypic means for obtaining prediction accuracy. Genomewide prediction was also performed using the linear regression model RR-BLUP in the estimation of markers genotypic values and its contribution to hybrids genetic values. Cross-validations between and within environments and between and within groups of related single-crosses were performed to verify the effects of training population size (N), number of markers (NM), genotype-by-environment interaction (G x E) and population structure in estimating accuracy. Genomic prediction was compared with phenotypic selection in efficiency of selecting better hybrids in a maize breeding program. All relationship coefficients and similarity in state coefficients showed high values of accuracy, however we observed superiority of Wang relationship coefficient and Modified Rogers similarity coefficient both in predicting and in identifying the best single-crosses, showing the potential of these approaches as tools to be used in maize breeding programs. Genomewide prediction results showed that increasing N and NM did not led to higher accuracy estimates. Predicted accuracies of cross validation analysis within environments were higher than between environments, indicating that the effect of G x E interaction was significant. Greater accuracies were achieved when training and validation set were from related single-crosses. In all scenarios, wide intervals of accuracy were found, meaning that genomic prediction may not be effective depending on the sample used. Therefore, the results of this study suggest that genomic prediction is a tool to increase the efficiency of selection in breeding programs if used properly by breeders, considering the population structure and G x E interaction effect so as to reduce sample problems and maximize accuracy and hence the success of prediction.

Métodos de predição podem aumentar consideravelmente a eficiência dos programas de melhoramento de milho. O objetivo deste estudo foi predizer a performance de 250 híbridos simples de milho avaliados em múltiplos ambientes utilizando a informação de marcadores moleculares. Para isso, 50 linhagens endogâmicas provenientes de diferentes populações foram cruzadas com cinco linhagens elite, também endogâmicas, para obtenção dos 250 híbridos simples. As matrizes moleculares das linhagens e dos híbridos foram obtidas a partir da genotipagem das 55 linhagens com 614 marcadores AFLP. Os híbridos simples foram avaliados para produção de grãos em 13 ambientes. A predição dos híbridos foi realizada utilizando o modelo misto BLUP considerando diferentes coeficientes de parentesco e similaridade no estado na predição dos efeitos das capacidades geral e específica de combinação dos genitores. As médias preditas dos híbridos a partir de cada coeficiente foram correlacionadas com as médias fenotípicas para obtenção da acurácia de predição. A predição também foi realizada utilizando o modelo de seleção genômica ampla RR-BLUP. Nesse caso, a matriz molecular dos híbridos foi utilizada diretamente no modelo misto de estimação dos efeitos dos marcadores e da contribuição de cada um deles para o valor genético dos híbridos. Foram realizadas validações cruzadas entre e dentro de ambientes e entre e dentro de grupos de híbridos relacionados a fim de verificar os efeitos do tamanho da população de treinamento (N), número de marcas (NM), interação híbridos x ambientes (H x A) e da estrutura da população na estimativa da acurácia de predição. A predição genômica foi comparada com a seleção fenotípica quanto à eficiência em identificar híbridos superiores em um esquema de melhoramento de milho. Todos os coeficientes de parentesco e similaridade no estado apresentaram elevadas estimativas de acurácia, contudo foi possível observar considerável superioridade dos coeficientes Wang e Rogers Modificado tanto na predição quanto na seleção dos híbridos superiores, demonstrando o potencial dessas metodologias como ferramentas a serem utilizadas nos programas de melhoramento de milho. Os resultados da predição utilizando o modelo de seleção genômica ampla indicaram que o aumento de N e NM não alteraram significativamente as estimativas de acurácia. As estimativas da acurácia na validação cruzada dentro de ambientes foram superiores às obtidas entre ambientes, inferindo que o efeito da interação H x A foi expressivo. Também foram observadas estimativas de acurácia expressivamente maiores para populações de treinamento e validação compostas por híbridos relacionados. Em todos os casos, as estimativas de acurácia apresentaram amplos intervalos em função da amostra de híbridos utilizada nas populações de treinamento e validação, indicando que a seleção genômica pode não ser eficiente dependendo da população amostrada. Os resultados deste estudo sugerem que a predição genômica é uma ferramenta para aumentar a eficiência da seleção nos programas de melhoramento se utilizada de forma adequada pelo melhorista, considerando os efeitos de estrutura de população e interação H x A de forma a maximizar a acurácia e, consequentemente, o sucesso da predição. / Prediction using molecular markers information can greatly increase the efficiency of maize breeding programs. This study aimed to predict the performance of maize single-crosses evaluated in multiple environments and using molecular markers information. Five inbred lines used as testers were crossed to 50 inbred lines from multiple populations to obtain 250 maize single-crosses. 614 AFLP markers were used to asses molecular matrices of the inbred lines and single-crosses. The 250 single-crosses were evaluated for grain yield in 13 environments. Genomic prediction was performed using the mixed model BLUP considering different genomic relationship and similarity in state coefficients to predict the effect of general and specific combining abilities of the parents. Predicted means from each coefficient were correlated with phenotypic means for obtaining prediction accuracy. Genomewide prediction was also performed using the linear regression model RR-BLUP in the estimation of markers genotypic values and its contribution to hybrids genetic values. Cross-validations between and within environments and between and within groups of related single-crosses were performed to verify the effects of training population size (N), number of markers (NM), genotype-by-environment interaction (G x E) and population structure in estimating accuracy. Genomic prediction was compared with phenotypic selection in efficiency of selecting better hybrids in a maize breeding program. All relationship coefficients and similarity in state coefficients showed high values of accuracy, however we observed superiority of Wang relationship coefficient and Modified Rogers similarity coefficient both in predicting and in identifying the best single-crosses, showing the potential of these approaches as tools to be used in maize breeding programs. Genomewide prediction results showed that increasing N and NM did not led to higher accuracy estimates. Predicted accuracies of cross validation analysis within environments were higher than between environments, indicating that the effect of G x E interaction was significant. Greater accuracies were achieved when training and validation set were from related single-crosses. In all scenarios, wide intervals of accuracy were found, meaning that genomic prediction may not be effective depending on the sample used. Therefore, the results of this study suggest that genomic prediction is a tool to increase the efficiency of selection in breeding programs if used properly by breeders, considering the population structure and G x E interaction effect so as to reduce sample problems and maximize accuracy and hence the success of prediction.