1. Herramientas
CAPFITOGEN
ColNucleo y FIGS_R
Mauricio Parra Quijano
Coordinador Programa CAPFITOGEN
Taller Nacional CAPFITOGEN

2. Herramientas CAPFITOGEN
• GEOQUAL
• ELCmapas
• ECOGEO
• Representa
• DIVmapas
• Colnucleo
• FIGS_R

3. Representatividad genética
A B C
accggtccc accggtcgc accggtctc
A B C
A A A
A B C
A
A
A
A
B
BB
B
C BA

4. Cuando las colecciones se hacen grandes
ABB
AAA
CAB
CAB
ABB
AAA
AAA
A B
A
A
A
A
B
BB
B
C BA
A
B C
A
A
A
AB
B
B
B
CBA
C
A
A
A
A
A
A
A
A
Azar
Genotipo
Fenotipo
ABB
AAA
AAA
ABB
AAA
CAB
CAB
Pero no real

5. Caracterización
Morfológica
Bioquímica/
Molecular
Agronómica/
Fisiológica/
Fitosantiaria
Con qué información seleccionar?

6. Colecciones núcleo / nucleares…
 Azar
 Político/administrativas
 Fenotípicas (morfología)
 Fenotípicas (caracteres cuantitativos de interés agronómico)
 Genotípicas (marcadores moleculares- neutral)
 Ecogeográficas (adaptación al medio abiótico)
 Mixtas / acumulativas

7. Colecciones núcleo ecogeográficas
 Las primeras ideas sobre utilizar información sobre adaptación en CN son de 1995
 Sólo hasta 2000-2010 se popularizan los SIG en RFG
 En 2005 se crea el primer mapa ELC
 En 2009 se obtienen y validan dos colecciones núcleo ecogeográficas

8. Que hace ColNucleo?
Mapa ELC de partida
P
C
Intensidad
Muestreo
10%
15%
20%
…
1000
100

9. Que hace ColNucleo?
Disponibilidad de semillas?
Colección núcleo ecogeográfica
Adicionalmente…
 Validación fenotípica/genotípica
 Realizar una estrategia paso a
paso, seleccionando aun mas
por otros tipos de caracteres
 No seleccionar aleatoriamente
sino por representatividad
feno/genotípica

10. Una o varias
colecciones
núcleo?

11. Herramientas CAPFITOGEN
• GEOQUAL
• ELCmapas
• ECOGEO
• Representa
• DIVmapas
• Colnucleo
• FIGS_R

12. Por qué es tan difícil usar germoplasma?
Poca visibilidad
de las
colecciones
Poca información
sobre lo
conservado
La información
que hay no es
muy útil para uso
Inaccesibilidad a
la información
Inaccesibilidad al
germoplasma
Poco interés de
los mejoradores
por usar
colecciones

13.  Curadores Representatividad  Mejoradores Rasgos
Conflicto de intereses

14.  Frecuentemente lo que se encuentran los
mejoradores son colecciones de 1000 entradas o más
 Ellos tienen una capacidad limitada de prueba
 Los mejoradores esperan como mucho 100 o 150 entradas para evaluar acerca
de un rasgo en particular de interés, como parte de su actividad rutinaria
 Los mejoradores necesitan información (datos de caracterización / evaluación) acerca
del germoplasma conservado para hacer uso de el.
 Los curadores de RFG priorizan esfuerzos en conservar y sólo cuando hay algo
de dinero, en caracterizar
 Hay escasísimos datos de evaluación (o al menos
disponibles)… Lo que obliga a selecciones casi
aleatorias
 Siempre hay pocos o insuficientes fondos para caracterizar y evaluar germoplasma
 Escaso nivel de utilización, poco interés
 Reducción gradual de fondos para caract/evaluación
Paradoja de la utilización de RFG

15. Focused Identification Germplasm Strategy
 Idea original de Michael Mackay (1986,1990, 1995)
Fenotipo = Genotipo + Ambiente + (GxE)
Identificar germoplasma con alta probabilidad de contener la diversidad genética para el
rasgo de interés
Usa información ecogeográfica para la predicción de los rasgos como fase previa a los
ensayos de campo donde mejoradores prueban definitivamente la presencia del rasgo
No implica esfuerzos previos de caracterización/evaluación en campo por parte del
curador y se reduce el número de entradas que se entregan a los mejoradores para ser
evaluados
Resistencia/Tolerancia = Genotipo + Ambiente + (GxE)
 Generando subcolecciones FIGS (≠ colecciones núcleo)
Potenciación de la

16. Temperature
Salinity score
Elevation
Rainfall
Agro-climatic zone
Disease distribution
F I G SOCUSED DENTIFICATION OF ERMPLASM TRATEGY
Datalayerssieveaccessions
basedonlatitude&longitude
Ilustración de
Mackay (1995)
GISlayers/
Ecogeographicalvariables
Germplasm
FILTRADO!!!
Usamos conocimiento de los
expertos
 Conocedores de la especie
 Mejoradores
 Entomólogos, patatólogos
Primera aproximación

17. Segunda aproximación
Método de Clasificación AUC Kappa Validación real en
campo
Principal Component
Regression (PCR)
0.69 0.40 ?
Partial Least Squares (PLS) 0.69 0.41 ?
Random Forest (RF) 0.70 0.42 ?
Support Vector Machines
(SVM)
0.71 0.44 ?
Artificial Neural Networks
(ANN)
0.71 0.44 ?
Y = b + X1 + X2 + X3Resistencia/
Tolerancia
Variables
ecogeográficas
(Banco: Colección trigo ICARDA – Rasgo: Roya del tallo (Puccinia gramini)
Fuente: Bari et al., 2012. Focused identification of germplasm strategy (FIGS) detects wheat stem rust resistance
linked to environmental variables. Genet Resour Crop Evol 59(7):1465-1481
Predicción en germoplasma no eval/caractGermoplasma eval/caract Patrón

18. Que hace FIGS_R?
Genera subcolecciones FIGS por el método de filtrado
Matriz de
caracterización
ecogeográfica
Tabla
datos
pasaporte
Elevación
Temp media anual
Carbón Orgánico suelo
pH suelo sup
….
….
Y
X
ECOGEO
 Caracteriza ecogeográficamente la colección por las variables seleccionadas

19.  Caracteriza ecogeográficamente la colección por las variables seleccionadas
 Utiliza hasta tres variables ecogeográficas y selecciona con ellas “paso a paso”
Que hace FIGS_R?
Precipitación anual (variable primaria)
Arcilla en suelo (variable secundaria)
Pendiente (variable terciaria)
40
4
Intensidad
de
selección

20.  Caracteriza ecogeográficamente la colección por las variables seleccionadas
 Utiliza hasta tres variables ecogeográficas y selecciona con ellas “paso a paso”
 Selecciona entradas por un rango de valores para cada variable o por un porcentaje de
la distribución de valores (p. ejemplo, el 30% más bajo), en procesos independientes
para cada variable.
Que hace FIGS_R?
PORCENTAJE DE
LA DISTRIBUCIÓN
40% mas
bajo 35% mas
alto
Valor
inferior
Valor
superiorRANGO

21.  Caracteriza ecogeográficamente la colección por las variables seleccionadas
 Utiliza hasta tres variables ecogeográficas y selecciona con ellas “paso a paso”
 Selecciona entradas por un rango de valores para cada variable o por un porcentaje de
la distribución de valores (p. ejemplo, el 30% más bajo), en procesos independientes
para cada variable.
 Puede usar (según interés del usuario) un mapa ELC para intentar balancear la
selección de entradas, tomando de cada categoría la fracción de la distribución
Que hace FIGS_R?

22.  Caracteriza ecogeográficamente la colección por las variables seleccionadas
 Utiliza hasta tres variables ecogeográficas y selecciona con ellas “paso a paso”
 Selecciona entradas por un rango de valores para cada variable o por un porcentaje de
la distribución de valores (p. ejemplo, el 30% más bajo), en procesos independientes
para cada variable.
 Al igual que ColNucleo, puede tener en cuenta la disponibilidad de material que
indique el curador.
Que hace FIGS_R?

23. Una o varias
sub-colecciones
FIGS?

24. Gracias!