Este documento presenta herramientas para la selección de colecciones nucleares y subcolecciones enfocadas en rasgos de interés (FIGS). Describe cómo ColNucleo y FIGS_R utilizan variables ecogeográficas para determinar colecciones representativas que maximicen la diversidad genética de interés para los mejoradores. FIGS_R genera subcolecciones filtrando el germoplasma en función de rangos o porcentajes de distribución de variables como la precipitación, con el fin de identificar accesiones probables para rasgos específicos.
3. Volviendo a la 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. Con que información seleccionar?
Caracterización
Morfológica
Bioquímica/
Molecular
Agronómica/
Fisiológica/
Fitosantiaria
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
13. ¿Qué 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
16. ¿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
18. Paradoja de la utilización de los RFG
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
19. 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
20. Primera aproximación…
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
21. Segunda aproximación… por modelos
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
22. ¿Qué 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
23. ¿Qué hace FIGS_R?
Caracteriza ecogeográficamente la colección por las variables seleccionadas
Utiliza hasta tres variables ecogeográficas y selecciona con ellas “paso a paso”
Precipitación anual (variable primaria)
Arcilla en suelo (variable secundaria)
Pendiente (variable terciaria)
40
4
Intensidad
de
selección
24. ¿Qué hace FIGS_R?
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.
PORCENTAJE DE
LA DISTRIBUCIÓN
40% mas
bajo 35% mas
alto
Valor
inferior
Valor
superiorRANGO
25. ¿Qué hace FIGS_R?
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
26. ¿Qué hace FIGS_R?
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.