Caracteres complexos são aqueles determinados por muitos genes e que apresentam variação contínua. Em uma população, a variação herdável dos caracteres complexos não é independente, e pares de caracteres podem ser mais ou menos correlacionados entre si. O nível e o padrão da associação entre caracteres determina como o fenótipo da população se comporta perante os processos evolutivos. A associação entre caracteres pode tanto facilitar a evolução em algumas direções do espaço fenotípico quanto restringir a evolução em outras, pois caracteres mais associados entre si tendem a evoluir de forma conjunta. O padrão de associação entre caracteres pode ser representado pela matriz de covariância genética aditiva, que descreve o padrão variacional resultante da interação do mapa genótipo-fenótipo e de todos os processos de desenvolvimento que levam desde a informação contida no material genético até o indivíduo. Tanto o mapa genótipo-fenótipo quanto o padrão de covariação genético também apresentam variação herdável, e portanto podem ser alterados pelos processos evolutivos e mudar entre gerações. Esse processo estabelece uma interação de mão dupla entre evolução e covariação, na qual a covariação afeta o resultado dos processos evolutivos e os processos evolutivos afetam a covariação. Nesta tese, nós exploramos como os efeitos genéticos interagem para formar o padrão de covariação, e como esses efeitos e covariação evoluem sob seleção natural. Para isso, nós trabalhamos com três populações experimentais de camundongos que foram sujeitas a regimes de seleção artificial e, utilizando diferentes tipos de caracteres, procuramos entender como a covariação se estabelece e como ela é afetada pela seleção. No primeiro experimento, estudamos o padrão de covariação de caracteres cranianos em linhagens selecionadas para aumento e diminuição do tamanho corporal, e observamos que a seleção para tamanho altera os caracteres do crânio e a covariação entre eles. A seleção direcional diminui a variação total do crânio, mas também aumenta a proporção de variação na direção de seleção, potencialmente facilitando uma nova resposta seletiva na mesma direção. Esse resultado implica que a variação presente em uma população pode ser moldada pela sua história evolutiva de forma adaptativa. No segundo experimento utilizamos uma população intercruzada, criada a partir linhagens selecionadas para aumento e diminuição do tamanho corporal, para identificar regiões genômicas envolvidas na determinação da curva de crescimento. Utilizando estimativas dos efeitos genotípicos nos fenótipos de crescimento, nós pudemos prever os fenótipos das linhagens ancestrais utilizando apenas informação da população intercruzada, e também construir estimativas de qual seria a covariação entre os caracteres de crescimento para cada tipo de efeito genético. Além disso, relacionamos a distribuição dos efeitos genéticos com a história evolutiva da população, mostrando que tanto a seleção quanto restrições internas do desenvolvimento interagem para determinar a distribuição de efeitos genéticos e, portanto, a covariação. No terceiro experimento, utilizamos seis linhagens de camundongos, que haviam sido selecionadas para alterações na curva de crescimento, para formar uma população intercruzada. Essa população apresentava uma enorme variação na sua curva de crescimento, e, utilizando técnicas de mapeamento genético, nós identificamos regiões genômicas envolvidas na determinação dessa variação fenotípica. Também desenvolvemos, para criar uma expectativa para a distribuição de efeitos genéticos nessa população, um modelo de simulação computacional da evolução dos efeitos genotípicos sob seleção. Os efeitos genéticos na população intercruzada apresentam um padrão mais complexo que o das simulações, e encontramos uma combinação de efeitos genéticos com padrões diferentes que interagem para gerar a covariação genética presente na população. Por fim, apresentamos uma revisão sobre a evolução da covariação genética e discutimos as consequências macroevolutivas das questões abordadas nos outros capítulos / Complex traits are defined as traits that are determined by many genes and that show continuous variation. In a population, the heritable variation of complex traits is not independent, and pairs of traits might be more or less correlated. The level and pattern of the association between traits determine how the phenotype of the population behaves when faced with evolutionary forces, like natural selection and genetic drift. The association between traits can both facilitate evolutionary change in some directions of the phenotype space and hinder change in other directions because tightly associated traits tend to evolve together. The pattern of association among traits can be represented by the additive genetic covariance matrix. This matrix describes the variational pattern that is the result of the interplay between the genotype-phenotype map and development, which together lead from the genetic information to the formation of the individual. Both the genotype-phenotype map and the genetic covariation also show heritable variation, and so are able to evolve and change between generations. This process establishes a feedback between evolution and covariation, in which covariation affects the outcome of the evolutionary process and is also shaped by evolution. In this thesis, we explore how genetic effects interact to create patterns of covariation, and how these effects and covariation change under natural selection. In order to do this, we use three experimental mice populations that were subjected to artificial selection regimes, and, using several types of complex traits, we study how covariation is established and how it evolves. In the first experiment, we use the covariation pattern of cranial traits measured in mice strains selected for the increase and decrease of body size. In these strains, we see that size selection altered the means of the cranial traits and the covariation between them. Directional selection reduces the total amount of genetic information, but in a non-uniform way. Some directions in phenotype space lose more variation than others, and, counter-intuitively, the direction of selection loses less variation. This leads to an increase in the proportion of variation that is in the direction of selection, potentially facilitating future evolutionary change in the same direction. This result shows that the covariation pattern in a population is shaped by its evolutionary history and can be adaptive. In the second experiment, we use an intercross population, created with two inbred mouse strains that were selected for increase and decrease in weight, to identify genomic regions involved in determining the growth curve of the individuals. Using estimates of the genetic effects on the growth traits, we were able to predict the phenotypes of the ancestral strains using only information from the intercross. We were also able to partition the genetic covariation into the contributions due to different types of genetic effects. We interpret the distribution of genetic effects in light of the evolutionary history of the population and show that the distribution of genetic effects, and of genetic covariation, is a consequence of the interaction between selection and development. In the third experiment, we create an intercross using six inbred mice strains that had been selected for different changes in their growth curve. This intercross shows large variation in growth curves, and, using genetic mapping techniques, we identify genomic regions involved in producing this phenotypic variation. To create an expectation for the distribution of genetic effects in this population, we develop a computer simulation model for the evolution of genetic effects under directional selection. The genetic effects in the population are more complex than in the simulation model, and we find that the genetic covariation between growth traits is created by the interaction among several different kinds of genetic effects. Finally, we present a review on the evolution of genetic covariation and discuss the macroevolutionary consequences of the themes we explore in the other chapters

O alcance de altas produtividades em milho (Zea mays L.) depende do desenvolvimento de híbridos, o principal produto explorado nos programas de melhoramento. O sucesso na obtenção deste tipo de cultivar é conseguido com extensivo cruzamento de linhagens, seguido de avaliações para identificação das combinações de maior potencial. Geralmente, o melhorista tem à sua disponibilidade grande número de linhagens, possibilitando a realização de centenas a milhares de cruzamentos distintos, dos quais apenas uma pequena quantidade pode ser avaliada experimentalmente devido a limitação de tempo e recursos. Com o advento da Seleção Genômica (GS) tornou-se possível predizer o comportamento destes indivíduos não avaliados com base em seu genoma. No decorrer do processo de consolidação da GS várias metodologias foram propostas. A aptidão destas em predizer desempenhos fenotípicos é dependente da sua capacidade de acomodar a arquitetura genética das características e lidar com a multicolinearidade das matrizes genômicas. Neste sentido, métodos baseados em modelos mistos podem apresentar menor eficiência na predição de características oligogênicas devido à não capacidade de representar a distribuição real do efeito dos QTL. Além disso, a regularização das predições na presença de multicolinearidade é realizada por meio de um parâmetro de penalização (λ), o qual pode ser estimado de várias formas e consequentemente modificar a acurácia dos modelos. Além do aprimoramento dos métodos, outro aspecto importante é o procedimento de correção dos dados fenotípicos previamente à GS, o qual não é consenso na comunidade científica. Diante do exposto, este trabalho objetivou: verificar o efeito das formas de obtenção do λ (via REML na GS e pela herdabilidade da característica) e da correção do fenótipo (valor genotípico e média ajustada) na GS e avaliar a eficiência da modelagem diferencial de QTL de maior efeito na capacidade preditiva da metodologia G-BLUP, comparando-a ao LASSO Bayesiano, BayesB e G-BLUP convencional. Para isso foram utilizadas informações de híbridos simples de milho tropical avaliados em cinco locais para produtividade de grãos, altura de planta e espiga no ano de 2015. Os dados genômicos foram obtidos com a plataforma Affymetrix® Axiom® Maize Genotyping Array de 616.201 SNPs. Foram estudados diferentes cenários de GS considerando os fatores supracitados, sendo estes comparados entre si por suas capacidades preditivas e seletivas. Os resultados obtidos indicam que a correção do fenótipo e a forma de estimação de λ afetam a capacidade preditiva. O uso de valores genotípicos como correção dos fenótipos e estimação de λ via REML apresentaram os melhores resultados. Foi também observado que a modelagem de SNPs de maior efeito como fator fixo aumenta discretamente a capacidade preditiva da metodologia G-BLUP para as características oligogênicas avaliadas (altura de planta e espiga), sendo indicado o uso do G-BLUP convencional. Complementarmente, observou-se que a GS apresentou modesta eficiência na seleção de híbridos superiores sob intensidades moderadas. Entretanto, a sua alta capacidade de selecionar sob baixa intensidade pode ser amplamente explorada nos programas de melhoramento de milho visando a seleção precoce direta. / The achievement of high yield in maize (Zea mays L.) relies on the development of hybrids, which is the main product of breeding programs. The success in obtaining this kind of cultivar is achieved through extensive crossing of inbred lines followed by field trials to identify the combinations with greatest potential. Generally, breeders have a large number of inbred lines on their hands, being able to perform hundreds to thousands of different crosses, of which only a small portion can be experimentally evaluated due to time and resource limitations. Genomic Selection (GS) has made it possible to predict phenotypes of unevaluated individuals based on their genome. Throughout the establishment process of GS many approaches have been proposed. The ability of these approaches at predicting phenotypic performance depends on their capacity of accommodating the genetic architecture of the traits and dealing with the multicollinearity of the genomic matrices. Hence, methods based on mixed model equations may present lower prediction efficiency for oligogenic traits due to their inability of depicting the real distribution of the QTL effects. Moreover, the prediction regularization in the presence of multicollinearity is done by a shrinkage factor (λ), which can be estimated in a number of ways and may affect the accuracy of the models. In addition to the improvement of the models, the correction of the phenotype utilized in the predictions is also important, which is not a consensus among researchers. Based on these facts, this study aimed to assess the effect of estimation of λ (by REML in the GS model and by the heritability of the traits) and the correction of the phenotype (genotypic value and adjusted mean) on the GS. It also targeted to evaluate the effect of differential modeling of major makers on the prediction accuracy of G-BLUP, comparing it to Bayesian LASSO, BayesB and ordinary G-BLUP. To those ends, tropical maize single-crosses evaluated at five sites for grain yield, plant and ear height in 2015 were utilized. The genomic data was obtained with the Affymetrix® Axiom® Maize Genotyping Array of 616,201 SNPs. Distinct GS scenarios were studied considering the aforementioned factors which were compared by their prediction and selection accuracy. The results suggest that the correction of the phenotype and the way of estimation of λ do affect prediction accuracies. The use of genotypic values as the correction of phenotypes and the estimation of λ by REML showed best results. It was also observed that modeling major SNPs as fixed effect factors had little improvement on the prediction accuracy of G-BLUP for the oligogenic traits evaluated (plant and ear height). Thereby, ordinary G-BLUP should be the method of choice to predict these traits. Additionally, it was observed that GS presented modest efficiency for selecting superior hybrids under moderate intensities. However, its high effectiveness at selecting under low intensities might be exploited on maize breeding programs for early direct selection.

O alcance de altas produtividades em milho (Zea mays L.) depende do desenvolvimento de híbridos, o principal produto explorado nos programas de melhoramento. O sucesso na obtenção deste tipo de cultivar é conseguido com extensivo cruzamento de linhagens, seguido de avaliações para identificação das combinações de maior potencial. Geralmente, o melhorista tem à sua disponibilidade grande número de linhagens, possibilitando a realização de centenas a milhares de cruzamentos distintos, dos quais apenas uma pequena quantidade pode ser avaliada experimentalmente devido a limitação de tempo e recursos. Com o advento da Seleção Genômica (GS) tornou-se possível predizer o comportamento destes indivíduos não avaliados com base em seu genoma. No decorrer do processo de consolidação da GS várias metodologias foram propostas. A aptidão destas em predizer desempenhos fenotípicos é dependente da sua capacidade de acomodar a arquitetura genética das características e lidar com a multicolinearidade das matrizes genômicas. Neste sentido, métodos baseados em modelos mistos podem apresentar menor eficiência na predição de características oligogênicas devido à não capacidade de representar a distribuição real do efeito dos QTL. Além disso, a regularização das predições na presença de multicolinearidade é realizada por meio de um parâmetro de penalização (λ), o qual pode ser estimado de várias formas e consequentemente modificar a acurácia dos modelos. Além do aprimoramento dos métodos, outro aspecto importante é o procedimento de correção dos dados fenotípicos previamente à GS, o qual não é consenso na comunidade científica. Diante do exposto, este trabalho objetivou: verificar o efeito das formas de obtenção do λ (via REML na GS e pela herdabilidade da característica) e da correção do fenótipo (valor genotípico e média ajustada) na GS e avaliar a eficiência da modelagem diferencial de QTL de maior efeito na capacidade preditiva da metodologia G-BLUP, comparando-a ao LASSO Bayesiano, BayesB e G-BLUP convencional. Para isso foram utilizadas informações de híbridos simples de milho tropical avaliados em cinco locais para produtividade de grãos, altura de planta e espiga no ano de 2015. Os dados genômicos foram obtidos com a plataforma Affymetrix® Axiom® Maize Genotyping Array de 616.201 SNPs. Foram estudados diferentes cenários de GS considerando os fatores supracitados, sendo estes comparados entre si por suas capacidades preditivas e seletivas. Os resultados obtidos indicam que a correção do fenótipo e a forma de estimação de λ afetam a capacidade preditiva. O uso de valores genotípicos como correção dos fenótipos e estimação de λ via REML apresentaram os melhores resultados. Foi também observado que a modelagem de SNPs de maior efeito como fator fixo aumenta discretamente a capacidade preditiva da metodologia G-BLUP para as características oligogênicas avaliadas (altura de planta e espiga), sendo indicado o uso do G-BLUP convencional. Complementarmente, observou-se que a GS apresentou modesta eficiência na seleção de híbridos superiores sob intensidades moderadas. Entretanto, a sua alta capacidade de selecionar sob baixa intensidade pode ser amplamente explorada nos programas de melhoramento de milho visando a seleção precoce direta. / The achievement of high yield in maize (Zea mays L.) relies on the development of hybrids, which is the main product of breeding programs. The success in obtaining this kind of cultivar is achieved through extensive crossing of inbred lines followed by field trials to identify the combinations with greatest potential. Generally, breeders have a large number of inbred lines on their hands, being able to perform hundreds to thousands of different crosses, of which only a small portion can be experimentally evaluated due to time and resource limitations. Genomic Selection (GS) has made it possible to predict phenotypes of unevaluated individuals based on their genome. Throughout the establishment process of GS many approaches have been proposed. The ability of these approaches at predicting phenotypic performance depends on their capacity of accommodating the genetic architecture of the traits and dealing with the multicollinearity of the genomic matrices. Hence, methods based on mixed model equations may present lower prediction efficiency for oligogenic traits due to their inability of depicting the real distribution of the QTL effects. Moreover, the prediction regularization in the presence of multicollinearity is done by a shrinkage factor (λ), which can be estimated in a number of ways and may affect the accuracy of the models. In addition to the improvement of the models, the correction of the phenotype utilized in the predictions is also important, which is not a consensus among researchers. Based on these facts, this study aimed to assess the effect of estimation of λ (by REML in the GS model and by the heritability of the traits) and the correction of the phenotype (genotypic value and adjusted mean) on the GS. It also targeted to evaluate the effect of differential modeling of major makers on the prediction accuracy of G-BLUP, comparing it to Bayesian LASSO, BayesB and ordinary G-BLUP. To those ends, tropical maize single-crosses evaluated at five sites for grain yield, plant and ear height in 2015 were utilized. The genomic data was obtained with the Affymetrix® Axiom® Maize Genotyping Array of 616,201 SNPs. Distinct GS scenarios were studied considering the aforementioned factors which were compared by their prediction and selection accuracy. The results suggest that the correction of the phenotype and the way of estimation of λ do affect prediction accuracies. The use of genotypic values as the correction of phenotypes and the estimation of λ by REML showed best results. It was also observed that modeling major SNPs as fixed effect factors had little improvement on the prediction accuracy of G-BLUP for the oligogenic traits evaluated (plant and ear height). Thereby, ordinary G-BLUP should be the method of choice to predict these traits. Additionally, it was observed that GS presented modest efficiency for selecting superior hybrids under moderate intensities. However, its high effectiveness at selecting under low intensities might be exploited on maize breeding programs for early direct selection.

Made available in DSpace on 2016-06-02T20:21:24Z (GMT). No. of bitstreams: 1 3223.pdf: 1875073 bytes, checksum: da879cb2bcfcd8ac244156eec8eca3ad (MD5) Previous issue date: 2010-08-05 / Universidade Federal de Minas Gerais / Genetic architecture of a phenotype represents the total number of genes, independent effects (additivity), the interactions between alleles (dominance and epistasis), and its effects on other phenotypes (pleiotropy). An enormous debate about general types of genetic architectures relates the importance of independent and interactive variation in the adaptive process. Because natural selection reduces additive variation, we expect, of fitness related phenotypes, lesser additive than interactive variation and relatively more genes with moderate effects. Maternal care is a phenotype with enormous importance to fitness. Of the maternal care behaviors, the nest building highlights itself improving pups survival by protection against predators and temperature maintenance. We investigated the genetic architecture of nest building in mice and tested the hypothesis that this behavior has a genetic architecture related to fitness, also verifying possible associations with anxiety and weight. For that, we checked the relation between all phenotypes and tested, using the QTL analysis, the phenotypic association with regions (microsatellites markers) spread about all genome of F2 females at maternal stage from the intercross of inbred strains SM/J and LG/J. We found 23 QTLs which, individually, are associated with phenotypic variation on nest building, weight and anxiety (15 QTLs at the 6 nest building phenotypes). The nest building s individual QTLs have moderate effects (from 4 to 13%), and the numerous epistatic QTLs add to increase this explained variation. There are common regions for nest building with anxiety and weight and, searching for candidate genes, we found genes with effects already described for these phenotypes. Hence, we corroborate our hypothesis of the genetic architecture type related to fitness for nest building behavior, of genes with bigger effects and high interactive variation. The identification of regions associated with maternal care in mice and the knowledge of the related genetic architecture can help in identifying genes for these behaviors in other mammals, and in the comprehension of general patterns in adaptive process and life evolution. / Arquitetura genética de um fenótipo representa o número total de genes, os efeitos independentes (aditividade), as interações entre alelos (dominância e epistasia), e o efeito destes em outros fenótipos (pleiotropia). Um grande debate entre tipos gerais de arquitetura genética está no papel da variação independente e de interações no processo adaptativo. Pela seleção natural reduzir a variação aditiva, esperamos de fenótipos ligados ao fitness menor variação aditiva relativa a variação de interações e genes com efeitos médios relativamente mais comuns. O cuidado materno é um fenótipo com grande importância para o fitness. Dentre os comportamentos de cuidado materno, a construção de ninho destaca-se aumentando a sobrevivência dos filhotes pela proteção contra predadores e manutenção da temperatura. Investigamos a arquitetura genética da construção de ninho em camundongos e testamos a hipótese que esse comportamento tem a arquitetura genética relacionada ao fitness, verificando também possíveis associações com ansiedade e peso. Para isso, checamos as relações entre os fenótipos e testamos, com a análise de QTL, a associação dos fenótipos com regiões (marcadores microssatélites) por todo o genoma de fêmeas F2 em fase materna do intercruzamento das linhagens endogâmicas SM/J e LG/J. Obtivemos 23 QTLs que, individualmente, estão associados com a variação nos fenótipos de construção de ninho, peso e ansiedade (15 QTLs para os 6 fenótipos de construção de ninho). Os QTLs individuais de construção de ninho têm efeitos moderados (de 4 a 13%), e os muitos QTLs epistáticos colaboram aumentando essa variação explicada. Existem regiões em comum para ninho com peso e ansiedade e, na procura de genes candidatos, descobrimos genes já descritos com efeitos nesses fenótipos. Assim, corroboramos a hipótese do tipo de arquitetura genética relacionada ao fitness para o comportamento de construção de ninho, de genes com grandes efeitos e alta variação genética de interações. A identificação de regiões associadas ao cuidado materno em camundongos e o entendimento da arquitetura genética envolvida poderão contribuir na identificação de genes para esses comportamentos em outros mamíferos, e na compreensão do padrão geral do processo adaptativo e da evolução dos seres vivos.