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
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/189478
Acceder
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 Técnicas2025-10-22T11:12:14Zoai: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:34982025-10-22 11:12:15.202CONICET 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_ 1846781512820719616
score 13.179806

Publicaciones similares