Desarrollo de una progenie de genotipos artificiales de duraznero a través de la simulación de cruzamientos y predicción del comportamiento de caracteres fenotípicos

Autores
Aballay, Maximiliano Martín; Chirino, Julian Santiago; Valentini, Gabriel Hugo; Sanchez, Gerardo
Año de publicación
2023
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Poster
El mejoramiento genético de cultivos es crucial para generar nuevas variedades con características diferenciales, como resistencia a enfermedades, mayor rendimiento y adaptabilidad ambiental. Una etapa clave en este proceso es el cruzamiento de genotipos para obtener una descendencia con una combinación de características deseables. Sin embargo, este procedimiento es largo y costoso, ya que implica el seguimiento y evaluación de la descendencia. En el caso del duraznero, el período juvenil es de 3 a 4 años, por lo cual se requieren más de tres años para poder comenzar a evaluar las nuevas cruzas obtenidas, lo cual produce aún más dificultades en general. Frente a esta situación la simulación de cruzamientos es una alternativa comparativamente rápida y económica que permite a los mejoradores generar una progenie artificial, sobre la cual se puede evaluar los resultados de un cruzamiento antes de realizarlo en la práctica. De esta manera, se puede ahorrar tiempo y recursos, seleccionando únicamente aquellos parentales que producirán los cruzamientos más favorables. En este trabajo se presenta la simulación de cruzamientos a partir de los datos de 13.584 variantes genéticas previamente obtenidas con el genotipado de 237 durazneros aplicando la metodología ddRAD-seq. A través de estas simulaciones, se busca predecir el comportamiento de caracteres fenotípicos en la progenie resultante e identificar los cruzamientos más relevantes. Las simulaciones fueron realizadas en el entorno de programación de R, usando los datos de los 237 genotipos de duraznero como posibles parentales. Con estos genotipos se simularon todos los cruzamientos posibles, incluyendo aquellos cruzamientos en los que ambos parentales presentan el mismo genotipo, para representar las autofecundaciones. Además, por cada cruzamiento simulado se obtuvo una progenie de 100 genotipos para cubrir el mayor espectro posible de descendientes. Para predecir el comportamiento de estos nuevos genotipos artificiales se utilizaron modelos de Random Forest previamente entrenados con datos de caracteres de vellosidad del fruto, color de pulpa, tipo de pulpa, fecha de floración y fecha de cosecha. Estos modelos fueron entrenados utilizando los datos de caracteres fenotípicos tomados en la colección de durazneros de la EEA San Pedro. Como resultado de esta serie de simulaciones se obtuvo un total de 2.820.300 genotipos artificiales, para los cuales se predijo el comportamiento de cada uno de los caracteres mencionados. A partir de estas predicciones es posible identificar aquellos genotipos artificiales que presentan las características de mayor interés y reconocer la combinación de parentales de la cual provienen. De esta manera es posible adelantarse y hacer una selección mas rigurosa de parentales a cruzar, ayudando a desarrollar un programa de mejoramiento genético de duraznero más eficiente.
EEA San Pedro
Fil: Aballay, Maximiliano Martín. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria San Pedro; Argentina
Fil: Chirino, Julián Santiago. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria San Pedro; Argentina
Fil: Valentini, Gabriel Hugo. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria San Pedro; Argentina
Fil: Sánchez, Gerardo. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria San Pedro; Argentina
Fuente
XIV Simposio REDBIO Argentina. Biotecnología para un mundo en cambio. Ciudad Autónoma de Buenos Aires. 28 al 30 de junio 2023.
Materia
Prunus persica
Frutales
Durazno
Fitomejoramiento
Cruzamiento
Bioinformática
Modelos de Simulación
Genotipos
Biotecnología
Inteligencia Artificial
Aprendizaje Automático
Fruit Crops
Plant Breeding
Cross-breeding
Bioinformatics
Simulation Models
Peaches
Genotypes
Biotechnology
Artificial Intelligence
Machine Learning
Nivel de accesibilidad
acceso restringido
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
INTA Digital (INTA)
Institución
Instituto Nacional de Tecnología Agropecuaria
OAI Identificador
oai:localhost:20.500.12123/14745
Acceder
id INTADig_2dbd266f2b78c90a8986340abdc36660
oai_identifier_str oai:localhost:20.500.12123/14745
network_acronym_str INTADig
repository_id_str l
network_name_str INTA Digital (INTA)
spelling Desarrollo de una progenie de genotipos artificiales de duraznero a través de la simulación de cruzamientos y predicción del comportamiento de caracteres fenotípicosAballay, Maximiliano MartínChirino, Julian SantiagoValentini, Gabriel HugoSanchez, GerardoPrunus persicaFrutalesDuraznoFitomejoramientoCruzamientoBioinformáticaModelos de SimulaciónGenotiposBiotecnologíaInteligencia ArtificialAprendizaje AutomáticoFruit CropsPlant BreedingCross-breedingBioinformaticsSimulation ModelsPeachesGenotypesBiotechnologyArtificial IntelligenceMachine LearningPosterEl mejoramiento genético de cultivos es crucial para generar nuevas variedades con características diferenciales, como resistencia a enfermedades, mayor rendimiento y adaptabilidad ambiental. Una etapa clave en este proceso es el cruzamiento de genotipos para obtener una descendencia con una combinación de características deseables. Sin embargo, este procedimiento es largo y costoso, ya que implica el seguimiento y evaluación de la descendencia. En el caso del duraznero, el período juvenil es de 3 a 4 años, por lo cual se requieren más de tres años para poder comenzar a evaluar las nuevas cruzas obtenidas, lo cual produce aún más dificultades en general. Frente a esta situación la simulación de cruzamientos es una alternativa comparativamente rápida y económica que permite a los mejoradores generar una progenie artificial, sobre la cual se puede evaluar los resultados de un cruzamiento antes de realizarlo en la práctica. De esta manera, se puede ahorrar tiempo y recursos, seleccionando únicamente aquellos parentales que producirán los cruzamientos más favorables. En este trabajo se presenta la simulación de cruzamientos a partir de los datos de 13.584 variantes genéticas previamente obtenidas con el genotipado de 237 durazneros aplicando la metodología ddRAD-seq. A través de estas simulaciones, se busca predecir el comportamiento de caracteres fenotípicos en la progenie resultante e identificar los cruzamientos más relevantes. Las simulaciones fueron realizadas en el entorno de programación de R, usando los datos de los 237 genotipos de duraznero como posibles parentales. Con estos genotipos se simularon todos los cruzamientos posibles, incluyendo aquellos cruzamientos en los que ambos parentales presentan el mismo genotipo, para representar las autofecundaciones. Además, por cada cruzamiento simulado se obtuvo una progenie de 100 genotipos para cubrir el mayor espectro posible de descendientes. Para predecir el comportamiento de estos nuevos genotipos artificiales se utilizaron modelos de Random Forest previamente entrenados con datos de caracteres de vellosidad del fruto, color de pulpa, tipo de pulpa, fecha de floración y fecha de cosecha. Estos modelos fueron entrenados utilizando los datos de caracteres fenotípicos tomados en la colección de durazneros de la EEA San Pedro. Como resultado de esta serie de simulaciones se obtuvo un total de 2.820.300 genotipos artificiales, para los cuales se predijo el comportamiento de cada uno de los caracteres mencionados. A partir de estas predicciones es posible identificar aquellos genotipos artificiales que presentan las características de mayor interés y reconocer la combinación de parentales de la cual provienen. De esta manera es posible adelantarse y hacer una selección mas rigurosa de parentales a cruzar, ayudando a desarrollar un programa de mejoramiento genético de duraznero más eficiente.EEA San PedroFil: Aballay, Maximiliano Martín. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria San Pedro; ArgentinaFil: Chirino, Julián Santiago. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria San Pedro; ArgentinaFil: Valentini, Gabriel Hugo. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria San Pedro; ArgentinaFil: Sánchez, Gerardo. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria San Pedro; ArgentinaREDBIO Argentina2023-07-13T14:15:07Z2023-07-13T14:15:07Z2023info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://hdl.handle.net/20.500.12123/14745XIV Simposio REDBIO Argentina. Biotecnología para un mundo en cambio. Ciudad Autónoma de Buenos Aires. 28 al 30 de junio 2023.reponame:INTA Digital (INTA)instname:Instituto Nacional de Tecnología Agropecuariaspainfo:eu-repograntAgreement/INTA/2023-PE-L01-I105/2023-PE-L01-I105, Generación de conocimientos, tecnologías e innovaciones para una fruticultura sostenible adaptadas al riesgo ambiental y a la mecanizacióninfo:eu-repograntAgreement/INTA/2019-PE-E6-I114-001/2019-PE-E6-I114-001, Caracterización de la diversidad genética de plantas, animales y microorganismos mediante herramientas de genómica aplicada.info:eu-repograntAgreement/INTA/2023-PD-L01-I087/2023-PD-L01-I087, Caracterización de la diversidad genética de plantas, animales y microorganismos mediante herramientas de genómica aplicada.info:eu-repograntAgreement/INTA/2019-PE-E6-I125-001/2019-PE-E6-I125-001, Mejoramiento genético, caracterización y uso de variabilidad con aplicación de herramientas biotecnológicas en cultivos frutalesinfo:eu-repo/semantics/restrictedAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)2025-10-16T09:31:12Zoai:localhost:20.500.12123/14745instacron:INTAInstitucionalhttp://repositorio.inta.gob.ar/Organismo científico-tecnológicoNo correspondehttp://repositorio.inta.gob.ar/oai/requesttripaldi.nicolas@inta.gob.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:l2025-10-16 09:31:12.411INTA Digital (INTA) - Instituto Nacional de Tecnología Agropecuariafalse
dc.title.none.fl_str_mv Desarrollo de una progenie de genotipos artificiales de duraznero a través de la simulación de cruzamientos y predicción del comportamiento de caracteres fenotípicos
title Desarrollo de una progenie de genotipos artificiales de duraznero a través de la simulación de cruzamientos y predicción del comportamiento de caracteres fenotípicos
spellingShingle Desarrollo de una progenie de genotipos artificiales de duraznero a través de la simulación de cruzamientos y predicción del comportamiento de caracteres fenotípicos
Aballay, Maximiliano Martín
Prunus persica
Frutales
Durazno
Fitomejoramiento
Cruzamiento
Bioinformática
Modelos de Simulación
Genotipos
Biotecnología
Inteligencia Artificial
Aprendizaje Automático
Fruit Crops
Plant Breeding
Cross-breeding
Bioinformatics
Simulation Models
Peaches
Genotypes
Biotechnology
Artificial Intelligence
Machine Learning
title_short Desarrollo de una progenie de genotipos artificiales de duraznero a través de la simulación de cruzamientos y predicción del comportamiento de caracteres fenotípicos
title_full Desarrollo de una progenie de genotipos artificiales de duraznero a través de la simulación de cruzamientos y predicción del comportamiento de caracteres fenotípicos
title_fullStr Desarrollo de una progenie de genotipos artificiales de duraznero a través de la simulación de cruzamientos y predicción del comportamiento de caracteres fenotípicos
title_full_unstemmed Desarrollo de una progenie de genotipos artificiales de duraznero a través de la simulación de cruzamientos y predicción del comportamiento de caracteres fenotípicos
title_sort Desarrollo de una progenie de genotipos artificiales de duraznero a través de la simulación de cruzamientos y predicción del comportamiento de caracteres fenotípicos
dc.creator.none.fl_str_mv Aballay, Maximiliano Martín
Chirino, Julian Santiago
Valentini, Gabriel Hugo
Sanchez, Gerardo
author Aballay, Maximiliano Martín
author_facet Aballay, Maximiliano Martín
Chirino, Julian Santiago
Valentini, Gabriel Hugo
Sanchez, Gerardo
author_role author
author2 Chirino, Julian Santiago
Valentini, Gabriel Hugo
Sanchez, Gerardo
author2_role author
author
author
dc.subject.none.fl_str_mv Prunus persica
Frutales
Durazno
Fitomejoramiento
Cruzamiento
Bioinformática
Modelos de Simulación
Genotipos
Biotecnología
Inteligencia Artificial
Aprendizaje Automático
Fruit Crops
Plant Breeding
Cross-breeding
Bioinformatics
Simulation Models
Peaches
Genotypes
Biotechnology
Artificial Intelligence
Machine Learning
topic Prunus persica
Frutales
Durazno
Fitomejoramiento
Cruzamiento
Bioinformática
Modelos de Simulación
Genotipos
Biotecnología
Inteligencia Artificial
Aprendizaje Automático
Fruit Crops
Plant Breeding
Cross-breeding
Bioinformatics
Simulation Models
Peaches
Genotypes
Biotechnology
Artificial Intelligence
Machine Learning
dc.description.none.fl_txt_mv Poster
El mejoramiento genético de cultivos es crucial para generar nuevas variedades con características diferenciales, como resistencia a enfermedades, mayor rendimiento y adaptabilidad ambiental. Una etapa clave en este proceso es el cruzamiento de genotipos para obtener una descendencia con una combinación de características deseables. Sin embargo, este procedimiento es largo y costoso, ya que implica el seguimiento y evaluación de la descendencia. En el caso del duraznero, el período juvenil es de 3 a 4 años, por lo cual se requieren más de tres años para poder comenzar a evaluar las nuevas cruzas obtenidas, lo cual produce aún más dificultades en general. Frente a esta situación la simulación de cruzamientos es una alternativa comparativamente rápida y económica que permite a los mejoradores generar una progenie artificial, sobre la cual se puede evaluar los resultados de un cruzamiento antes de realizarlo en la práctica. De esta manera, se puede ahorrar tiempo y recursos, seleccionando únicamente aquellos parentales que producirán los cruzamientos más favorables. En este trabajo se presenta la simulación de cruzamientos a partir de los datos de 13.584 variantes genéticas previamente obtenidas con el genotipado de 237 durazneros aplicando la metodología ddRAD-seq. A través de estas simulaciones, se busca predecir el comportamiento de caracteres fenotípicos en la progenie resultante e identificar los cruzamientos más relevantes. Las simulaciones fueron realizadas en el entorno de programación de R, usando los datos de los 237 genotipos de duraznero como posibles parentales. Con estos genotipos se simularon todos los cruzamientos posibles, incluyendo aquellos cruzamientos en los que ambos parentales presentan el mismo genotipo, para representar las autofecundaciones. Además, por cada cruzamiento simulado se obtuvo una progenie de 100 genotipos para cubrir el mayor espectro posible de descendientes. Para predecir el comportamiento de estos nuevos genotipos artificiales se utilizaron modelos de Random Forest previamente entrenados con datos de caracteres de vellosidad del fruto, color de pulpa, tipo de pulpa, fecha de floración y fecha de cosecha. Estos modelos fueron entrenados utilizando los datos de caracteres fenotípicos tomados en la colección de durazneros de la EEA San Pedro. Como resultado de esta serie de simulaciones se obtuvo un total de 2.820.300 genotipos artificiales, para los cuales se predijo el comportamiento de cada uno de los caracteres mencionados. A partir de estas predicciones es posible identificar aquellos genotipos artificiales que presentan las características de mayor interés y reconocer la combinación de parentales de la cual provienen. De esta manera es posible adelantarse y hacer una selección mas rigurosa de parentales a cruzar, ayudando a desarrollar un programa de mejoramiento genético de duraznero más eficiente.
EEA San Pedro
Fil: Aballay, Maximiliano Martín. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria San Pedro; Argentina
Fil: Chirino, Julián Santiago. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria San Pedro; Argentina
Fil: Valentini, Gabriel Hugo. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria San Pedro; Argentina
Fil: Sánchez, Gerardo. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria San Pedro; Argentina
description Poster
publishDate 2023
dc.date.none.fl_str_mv 2023-07-13T14:15:07Z
2023-07-13T14:15:07Z
2023
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/20.500.12123/14745
url http://hdl.handle.net/20.500.12123/14745
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repograntAgreement/INTA/2023-PE-L01-I105/2023-PE-L01-I105, Generación de conocimientos, tecnologías e innovaciones para una fruticultura sostenible adaptadas al riesgo ambiental y a la mecanización
info:eu-repograntAgreement/INTA/2019-PE-E6-I114-001/2019-PE-E6-I114-001, Caracterización de la diversidad genética de plantas, animales y microorganismos mediante herramientas de genómica aplicada.
info:eu-repograntAgreement/INTA/2023-PD-L01-I087/2023-PD-L01-I087, Caracterización de la diversidad genética de plantas, animales y microorganismos mediante herramientas de genómica aplicada.
info:eu-repograntAgreement/INTA/2019-PE-E6-I125-001/2019-PE-E6-I125-001, Mejoramiento genético, caracterización y uso de variabilidad con aplicación de herramientas biotecnológicas en cultivos frutales
dc.rights.none.fl_str_mv info:eu-repo/semantics/restrictedAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv restrictedAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv REDBIO Argentina
publisher.none.fl_str_mv REDBIO Argentina
dc.source.none.fl_str_mv XIV Simposio REDBIO Argentina. Biotecnología para un mundo en cambio. Ciudad Autónoma de Buenos Aires. 28 al 30 de junio 2023.
reponame:INTA Digital (INTA)
instname:Instituto Nacional de Tecnología Agropecuaria
reponame_str INTA Digital (INTA)
collection INTA Digital (INTA)
instname_str Instituto Nacional de Tecnología Agropecuaria
repository.name.fl_str_mv INTA Digital (INTA) - Instituto Nacional de Tecnología Agropecuaria
repository.mail.fl_str_mv tripaldi.nicolas@inta.gob.ar
_version_ 1846143560098775040
score 12.712165

Publicaciones similares