Selección para mejorar el perfil de ácidos grasos en soja no transgénica vía análisis Biplot
- Autores
- Bologna Fernandez, Susana Beatriz; Soldini, Diego; Rojas, Elizabeth; Martínez Alvarez, Diego Leonardo; Balzarini, Monica Graciela
- Año de publicación
- 2011
- Idioma
- español castellano
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- Dado que la mayoría de la soja [Glycine max (L.) Merr.] cultivada en Argentina es transgénica y procesada en la agroindustria, existe un interés creciente en la composición química de granos de genotipos de soja no transgénica. Una herramienta eficiente para mejorar las proporciones de los principales ácidos grasos es el estudio de las correlaciones genéticas entre las variables que definen el perfil lipídico y aquellas indicadoras del desempeño agronómico, como base para la selección. El objetivo del estudio fue determinar las interrelaciones entre los contenidos de los principales ácidos grasos (oleico, linoleico, linolénico, palmítico y esteárico) y el rendimiento en granos para selección. Se evaluaron 22 líneas (F6) de soja no modificada genéticamente en Marcos Juárez (Córdoba) y Villa Mercedes (San Luis), Argentina, usando un DBCA con dos repeticiones en cada sitio. Se de- terminó rendimiento, peso de semillas, contenidos de aceite y de ácidos grasos. Para estudiar las correlaciones genéticamente determinadas entre las variables, se realizó un análisis de componentes principales con los residuos de un modelo factorial genotipo×variable para las medias, a través de sitios, de genotipo para cada variable, centrado por los efectos medios de las variables. Los resultados se visualizaron en gráficos biplot para identificar las correlaciones genéticas entre las variables, comparar genotipos sobre la base de todas las variables y establecer asociaciones entre genotipos y variables. El uso de este método permitió seleccionar genotipos con el perfil de ácidos grasos modificado y con mejor comportamiento agronómico.
Fil: Bologna Fernandez, Susana Beatriz. Universidad Nacional de San Luis; Argentina
Fil: Soldini, Diego. Universidad Nacional de Misiones; Argentina
Fil: Rojas, Elizabeth. Universidad Nacional de San Luis; Argentina
Fil: Martínez Alvarez, Diego Leonardo. Universidad Nacional de San Luis; Argentina
Fil: Balzarini, Monica Graciela. Instituto Nacional de Tecnología Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatología y Modelización Agrícola - Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Unidad de Fitopatología y Modelización Agrícola; Argentina - Materia
-
OLEICO
LINOLEICO
LINOLÉNICO
PALMÍTICO
ESTEÁRICO
CORRELACIÓN GENÉTICA - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/189478
Ver los metadatos del registro completo
id |
CONICETDig_39b88453310017277b77ca9bcbe6c20d |
---|---|
oai_identifier_str |
oai:ri.conicet.gov.ar:11336/189478 |
network_acronym_str |
CONICETDig |
repository_id_str |
3498 |
network_name_str |
CONICET Digital (CONICET) |
spelling |
Selección para mejorar el perfil de ácidos grasos en soja no transgénica vía análisis BiplotBologna Fernandez, Susana BeatrizSoldini, DiegoRojas, ElizabethMartínez Alvarez, Diego LeonardoBalzarini, Monica GracielaOLEICOLINOLEICOLINOLÉNICOPALMÍTICOESTEÁRICOCORRELACIÓN GENÉTICAhttps://purl.org/becyt/ford/4.1https://purl.org/becyt/ford/4Dado que la mayoría de la soja [Glycine max (L.) Merr.] cultivada en Argentina es transgénica y procesada en la agroindustria, existe un interés creciente en la composición química de granos de genotipos de soja no transgénica. Una herramienta eficiente para mejorar las proporciones de los principales ácidos grasos es el estudio de las correlaciones genéticas entre las variables que definen el perfil lipídico y aquellas indicadoras del desempeño agronómico, como base para la selección. El objetivo del estudio fue determinar las interrelaciones entre los contenidos de los principales ácidos grasos (oleico, linoleico, linolénico, palmítico y esteárico) y el rendimiento en granos para selección. Se evaluaron 22 líneas (F6) de soja no modificada genéticamente en Marcos Juárez (Córdoba) y Villa Mercedes (San Luis), Argentina, usando un DBCA con dos repeticiones en cada sitio. Se de- terminó rendimiento, peso de semillas, contenidos de aceite y de ácidos grasos. Para estudiar las correlaciones genéticamente determinadas entre las variables, se realizó un análisis de componentes principales con los residuos de un modelo factorial genotipo×variable para las medias, a través de sitios, de genotipo para cada variable, centrado por los efectos medios de las variables. Los resultados se visualizaron en gráficos biplot para identificar las correlaciones genéticas entre las variables, comparar genotipos sobre la base de todas las variables y establecer asociaciones entre genotipos y variables. El uso de este método permitió seleccionar genotipos con el perfil de ácidos grasos modificado y con mejor comportamiento agronómico.Fil: Bologna Fernandez, Susana Beatriz. Universidad Nacional de San Luis; ArgentinaFil: Soldini, Diego. Universidad Nacional de Misiones; ArgentinaFil: Rojas, Elizabeth. Universidad Nacional de San Luis; ArgentinaFil: Martínez Alvarez, Diego Leonardo. Universidad Nacional de San Luis; ArgentinaFil: Balzarini, Monica Graciela. Instituto Nacional de Tecnología Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatología y Modelización Agrícola - Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Unidad de Fitopatología y Modelización Agrícola; ArgentinaInterciencia2011-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/189478Bologna Fernandez, Susana Beatriz; Soldini, Diego; Rojas, Elizabeth; Martínez Alvarez, Diego Leonardo; Balzarini, Monica Graciela; Selección para mejorar el perfil de ácidos grasos en soja no transgénica vía análisis Biplot; Interciencia; Interciencia; 36; 1; 1-2011; 16-210378-18442244-7776CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://dialnet.unirioja.es/servlet/articulo?codigo=3579985info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T09:43:35Zoai:ri.conicet.gov.ar:11336/189478instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 09:43:35.312CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse |
dc.title.none.fl_str_mv |
Selección para mejorar el perfil de ácidos grasos en soja no transgénica vía análisis Biplot |
title |
Selección para mejorar el perfil de ácidos grasos en soja no transgénica vía análisis Biplot |
spellingShingle |
Selección para mejorar el perfil de ácidos grasos en soja no transgénica vía análisis Biplot Bologna Fernandez, Susana Beatriz OLEICO LINOLEICO LINOLÉNICO PALMÍTICO ESTEÁRICO CORRELACIÓN GENÉTICA |
title_short |
Selección para mejorar el perfil de ácidos grasos en soja no transgénica vía análisis Biplot |
title_full |
Selección para mejorar el perfil de ácidos grasos en soja no transgénica vía análisis Biplot |
title_fullStr |
Selección para mejorar el perfil de ácidos grasos en soja no transgénica vía análisis Biplot |
title_full_unstemmed |
Selección para mejorar el perfil de ácidos grasos en soja no transgénica vía análisis Biplot |
title_sort |
Selección para mejorar el perfil de ácidos grasos en soja no transgénica vía análisis Biplot |
dc.creator.none.fl_str_mv |
Bologna Fernandez, Susana Beatriz Soldini, Diego Rojas, Elizabeth Martínez Alvarez, Diego Leonardo Balzarini, Monica Graciela |
author |
Bologna Fernandez, Susana Beatriz |
author_facet |
Bologna Fernandez, Susana Beatriz Soldini, Diego Rojas, Elizabeth Martínez Alvarez, Diego Leonardo Balzarini, Monica Graciela |
author_role |
author |
author2 |
Soldini, Diego Rojas, Elizabeth Martínez Alvarez, Diego Leonardo Balzarini, Monica Graciela |
author2_role |
author author author author |
dc.subject.none.fl_str_mv |
OLEICO LINOLEICO LINOLÉNICO PALMÍTICO ESTEÁRICO CORRELACIÓN GENÉTICA |
topic |
OLEICO LINOLEICO LINOLÉNICO PALMÍTICO ESTEÁRICO CORRELACIÓN GENÉTICA |
purl_subject.fl_str_mv |
https://purl.org/becyt/ford/4.1 https://purl.org/becyt/ford/4 |
dc.description.none.fl_txt_mv |
Dado que la mayoría de la soja [Glycine max (L.) Merr.] cultivada en Argentina es transgénica y procesada en la agroindustria, existe un interés creciente en la composición química de granos de genotipos de soja no transgénica. Una herramienta eficiente para mejorar las proporciones de los principales ácidos grasos es el estudio de las correlaciones genéticas entre las variables que definen el perfil lipídico y aquellas indicadoras del desempeño agronómico, como base para la selección. El objetivo del estudio fue determinar las interrelaciones entre los contenidos de los principales ácidos grasos (oleico, linoleico, linolénico, palmítico y esteárico) y el rendimiento en granos para selección. Se evaluaron 22 líneas (F6) de soja no modificada genéticamente en Marcos Juárez (Córdoba) y Villa Mercedes (San Luis), Argentina, usando un DBCA con dos repeticiones en cada sitio. Se de- terminó rendimiento, peso de semillas, contenidos de aceite y de ácidos grasos. Para estudiar las correlaciones genéticamente determinadas entre las variables, se realizó un análisis de componentes principales con los residuos de un modelo factorial genotipo×variable para las medias, a través de sitios, de genotipo para cada variable, centrado por los efectos medios de las variables. Los resultados se visualizaron en gráficos biplot para identificar las correlaciones genéticas entre las variables, comparar genotipos sobre la base de todas las variables y establecer asociaciones entre genotipos y variables. El uso de este método permitió seleccionar genotipos con el perfil de ácidos grasos modificado y con mejor comportamiento agronómico. Fil: Bologna Fernandez, Susana Beatriz. Universidad Nacional de San Luis; Argentina Fil: Soldini, Diego. Universidad Nacional de Misiones; Argentina Fil: Rojas, Elizabeth. Universidad Nacional de San Luis; Argentina Fil: Martínez Alvarez, Diego Leonardo. Universidad Nacional de San Luis; Argentina Fil: Balzarini, Monica Graciela. Instituto Nacional de Tecnología Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatología y Modelización Agrícola - Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Unidad de Fitopatología y Modelización Agrícola; Argentina |
description |
Dado que la mayoría de la soja [Glycine max (L.) Merr.] cultivada en Argentina es transgénica y procesada en la agroindustria, existe un interés creciente en la composición química de granos de genotipos de soja no transgénica. Una herramienta eficiente para mejorar las proporciones de los principales ácidos grasos es el estudio de las correlaciones genéticas entre las variables que definen el perfil lipídico y aquellas indicadoras del desempeño agronómico, como base para la selección. El objetivo del estudio fue determinar las interrelaciones entre los contenidos de los principales ácidos grasos (oleico, linoleico, linolénico, palmítico y esteárico) y el rendimiento en granos para selección. Se evaluaron 22 líneas (F6) de soja no modificada genéticamente en Marcos Juárez (Córdoba) y Villa Mercedes (San Luis), Argentina, usando un DBCA con dos repeticiones en cada sitio. Se de- terminó rendimiento, peso de semillas, contenidos de aceite y de ácidos grasos. Para estudiar las correlaciones genéticamente determinadas entre las variables, se realizó un análisis de componentes principales con los residuos de un modelo factorial genotipo×variable para las medias, a través de sitios, de genotipo para cada variable, centrado por los efectos medios de las variables. Los resultados se visualizaron en gráficos biplot para identificar las correlaciones genéticas entre las variables, comparar genotipos sobre la base de todas las variables y establecer asociaciones entre genotipos y variables. El uso de este método permitió seleccionar genotipos con el perfil de ácidos grasos modificado y con mejor comportamiento agronómico. |
publishDate |
2011 |
dc.date.none.fl_str_mv |
2011-01 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_6501 info:ar-repo/semantics/articulo |
format |
article |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11336/189478 Bologna Fernandez, Susana Beatriz; Soldini, Diego; Rojas, Elizabeth; Martínez Alvarez, Diego Leonardo; Balzarini, Monica Graciela; Selección para mejorar el perfil de ácidos grasos en soja no transgénica vía análisis Biplot; Interciencia; Interciencia; 36; 1; 1-2011; 16-21 0378-1844 2244-7776 CONICET Digital CONICET |
url |
http://hdl.handle.net/11336/189478 |
identifier_str_mv |
Bologna Fernandez, Susana Beatriz; Soldini, Diego; Rojas, Elizabeth; Martínez Alvarez, Diego Leonardo; Balzarini, Monica Graciela; Selección para mejorar el perfil de ácidos grasos en soja no transgénica vía análisis Biplot; Interciencia; Interciencia; 36; 1; 1-2011; 16-21 0378-1844 2244-7776 CONICET Digital CONICET |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/https://dialnet.unirioja.es/servlet/articulo?codigo=3579985 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
dc.format.none.fl_str_mv |
application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
Interciencia |
publisher.none.fl_str_mv |
Interciencia |
dc.source.none.fl_str_mv |
reponame:CONICET Digital (CONICET) instname:Consejo Nacional de Investigaciones Científicas y Técnicas |
reponame_str |
CONICET Digital (CONICET) |
collection |
CONICET Digital (CONICET) |
instname_str |
Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.name.fl_str_mv |
CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.mail.fl_str_mv |
dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar |
_version_ |
1844613371777777664 |
score |
13.070432 |