Academic Journals Database
Disseminating quality controlled scientific knowledge

Use of Analytic Factor Structure to Increase Heritability of Clonal Progeny Tests of Pinus taeda L. Uso de la Estructura de Factor Analítico para Aumentar la Heredabilidad de Ensayos Clonales de Pinus taeda L.

ADD TO MY LIST
 
Author(s): Jaime Zapata-Valenzuela

Journal: Chilean Journal of Agricultural Research
ISSN 0718-5820

Volume: 72;
Issue: 3;
Start page: 309;
Date: 2012;
Original page

Keywords: modelo lineal mixto | genética forestal cuantitativa | varianza genética | Linear mixed model | quantitative forest genetics | genetic variance

ABSTRACT
Advanced variance-covariance structures are commonly used in genetic evaluation of crops to account for micro-site variability and achieve higher accuracy of predictions to increase selection efficiency. Various genetic variance-covariance structures were explored to predict best linear unbiased genetic merits of 453 loblolly pine (Pinus taeda L.) cloned progeny tested at 16 different locations in the southern U.S. Statistical models were compared using model fit statistics, variance components and genetic parameters. Among the models explored, spatial autoregressive error correlation with independent residual term for the R side with a factor analytic structure for the G side of the mixed model was superior. The model produced one of the smallest fit statistics (LogL equal to -2694), a small error variance (12.72), and the highest broad-sense heritability (0.45), compared with the default homogeneous error and genetic variance-covariance structure (statistical significance at P < 0.05). We concluded that the combination of specific structure for error and genetic design was effective to remove spatial-related variance, and to increase the accuracy of predictions of clonal genetic values, which could be used as analytical tool for increasing the selection efficiencies in forest genetic trials.Diversas estructuras avanzadas de varianzas-covarianzas se han utilizado comúnmente en análisis genético de cultivos agrícolas para detectar la variabilidad del micro-sitio y lograr una alta precision en las predicciones del valor genético, mejorando la eficiencia de la selección. Diferentes estructuras de varianza-covarianza fueron exploradas para predecir el mejor predictor linear insesgado del valor genético en 453 clones de Pinus taeda L., evaluados a través de 16 sitios en el sureste de Estados Unidos. Los modelos estadísticos fueron comparados usando parámetros de diagnóstico, componentes de varianza y parámetros genéticos. De los modelos comparados, el mejor modelo fue el escenario con ajuste de la varianza residual independiente de la forma autoregresiva para la matriz R más una estructura de factor analítico para la matriz G. El modelo generó el menor valor del parámetro de diagnóstico (LogL igual a -2694), una baja varianza residual (12,72), y la más alta heredabilidad en sentido amplio (0,45), comparada con las estructuras básicas de varianzas-covarianzas homogéneas, a un nivel de significancia de P < 0,05. Se concluye que la combinación de una estructura específica para el efecto genético y residual resultó efectiva para remover la variabilidad relacionada con el espacio, e incrementar la exactitud de la predicción de los valores genéticos, lo cual podría usarse como herramienta analítica para aumentar la eficiencia de la selección en ensayos genéticos forestales
Save time & money - Smart Internet Solutions      Why do you need a reservation system?