Explorando la diversidad genética existente en un programa de mejoramiento de maíz (Zea mays L.): selección de colecciones núcleo para maximizar la ganancia genética

Abstract

El maíz (Zea mays L.) es uno de los cultivos más importantes a nivel mundial y su mejoramiento genético depende en gran medida del aprovechamiento de la diversidad genética existente en cada programa de mejoramiento genético (PMG). Las colecciones núcleo (CN) son subconjuntos de accesiones que representan la diversidad genética de una colección más amplia, lo que permite a los genetistas y mejoradores caracterizar y utilizar los recursos genéticos sin la necesidad de evaluar la totalidad del germoplasma. Es por esta razón que aquellas CN que conservan la diversidad genética constituyen un importante recurso a tener disponible. En los últimos años, ante el incremento en el volumen de datos genotípicos y fenotípicos disponibles fruto del avance en tecnologías de secuenciación y fenotipado de alto caudal, se impulsó una búsqueda exhaustiva de métodos que sean capaces de seleccionar CN mediante la implementación de algoritmos eficientes. En este contexto, el presente trabajo tuvo como objetivo implementar un Protocolo de Selección de Colecciones Núcleo (PSCN) para un panel de 472 líneas endocriadas (BP) pertenecientes al PMG de Maíz del INTA EEA-Pergamino, con el fin de asistir estudios de mapeo por asociación a genoma completo (GWAS) y de predicción genómica (PG). El BP (n=472) fue genotipado mediante un panel de marcadores DArTAG de mediana densidad (3305 SNPs) desarrollado por CIMMYT-CGIAR y fenotipado para tres caracteres fenológicos (altura de planta, AP; altura de inserción de espiga, AE; y días a floración, DAF) en tres localidades. Luego del filtrado por frecuencia del alelo menor (MAF ≥ 5%) y heterocigosidad (H < 15%), 461 líneas y 2199 SNPs permanecieron en el análisis. Los datos fenotípicos fueron analizados mediante un modelo lineal mixto (LMM), estimándose los mejores predictores lineales insesgados (BLUPs) y heredabilidades en sentido amplio (H²) para cada caracter en ambientes combinados. La selección de CN se realizó con la herramienta Core Hunter 3 (CH3), evaluando distintos criterios basados en distancia genética (A-NE, E-NE y E-E) y riqueza alélica (HE), utilizando datos genotípicos (G), fenotípicos (F) y combinados (G+F), con una intensidad de selección del 25%. Posteriormente, se definió una CN multipropósito (MCS) aplicando el criterio A-NE con datos G+F y una intensidad del 30%, incorporando además una preselección de 19 líneas de relevancia estratégica para el INTA EEA-Pergamino. La calidad de las CN seleccionadas fue evaluada mediante

14 ---Internal Use--- parámetros de diversidad genética (DG, PIC, MAF, He, Ho, F, Va, Vd y Na), cobertura alélica (Cov), análisis de componentes principales (ACP), pruebas de bondad de ajuste Chi-cuadrado, métricas comparativas de variabilidad fenotípica (MD%, VD%, CR% y VR%), caída del desequilibrio de ligamiento (DL) y coeficiente de parentesco relativo (K). Se generaron un total de 10 CN (n=115) utilizando los distintos criterios y combinaciones de datos. En la evaluación de criterios de selección, el criterio A-NE mostró mayor capacidad para conservar la diversidad genética y la representatividad de la estructura genética poblacional (k=12), manteniendo las CN seleccionadas con este criterio métricas similares al BP. En contraste, los criterios E-NE y E-E priorizaron la divergencia genética, seleccionando líneas más distantes entre sí del conjunto original, pero con menor representatividad y mayor dispersión en lo que respecta a la distribución de los tres fenotipos (p<0.05). La combinación G+F fue la que mejor desempeño obtuvo en todos los análisis realizados. Por su parte, el MCS (n=138) seleccionado permitió capturar el 100% de la diversidad alélica, mantener el patrón de caída del DL, un parentesco relativo nulo (K=0), una adecuada diversidad fenotípica para los tres caracteres fenológicos evaluados (MD% menor al 20% y CR% mayor al 80%) y una fiel representación de la estructura poblacional del panel completo de líneas de mejoramiento del INTA EEA-Pergamino. En conclusión, el PSCN desarrollado permitió optimizar la selección de CN dentro del PMG de Maíz del INTA EEA-Pergamino, generando un subconjunto estratégico y versátil que maximiza la diversidad genética y la representatividad del germoplasma templado. Este recurso constituye una base sólida para futuros estudios de genómica funcional y mejoramiento molecular, contribuyendo a dar rápida respuesta a problemas que afectan al cultivo de maíz como consecuencia del cambio climático y/o la presión por distintos patógenos.