Relações lineares entre caracteres do pendão e da espiga em bases genéticas de milho

Autores

DOI:

https://doi.org/10.24221/jeap.9.2.2024.6208.065-078

Palavras-chave:

Zea mays L., híbrido simples, híbrido triplo, híbrido duplo, variedade

Resumo

Compreender as relações lineares entre caracteres de milho possibilita identificar caracteres adequados para a seleção indireta, afim de maximizar o ganho genético. Os objetivos desse estudo foram verificar, por meio da correlação, análise de trilha e árvore de regressão, se há relações lineares entre caracteres de bases genéticas (híbridos simples, triplos e duplos e variedades) de milho e, se há caracteres que possam ser utilizados na seleção indireta para a massa de grãos. Foi conduzido um experimento com genótipos de milho de quatro bases genéticas (híbridos simples, híbridos triplos, híbridos duplos e variedades), em cinco datas de semeadura na safra 2021/2022. Em cinco plantas de cada genótipo e data de semeadura (n = 1.915 plantas), foram mensurados os seguintes caracteres: comprimento do pendão, diâmetro da espiga, comprimento da espiga, número de fileiras de grãos por espiga, massa da espiga, diâmetro do sabugo, massa do sabugo, comprimento do grão e massa de grãos da espiga. Foram realizadas análises de correlação, trilha e árvore de regressão. Entre os pares de caracteres, foi observada maior associação linear positiva entre as massas da espiga e de grãos. A análise de trilha confirmou a relação linear de causa e efeito entre as massas da espiga e de grãos. A árvore de regressão evidenciou que a massa da espiga foi o principal nó de divisão da massa de grãos. Há relações lineares entre caracteres de bases genéticas (híbridos simples, triplos e duplos e variedades) de milho. Independentemente da base genética, a massa da espiga pode ser utilizada para selecionar, indiretamente, plantas de milho com maior massa de grãos.

Downloads

Não há dados estatísticos.

Referências

Alvares, C. A.; Stape, J. L.; Sentelhas, P. C.; Gonçalves, J. L. M.; Sparover, G. 2013. Koppen’s climate classification map for Brazil. Meteorologische Zeitschrif, 22, 711-728. https://doi.org/10.1127/0941-2948/2013/0507

Alves, B. M.; Cargnelutti Filho, A. 2017. Genotypic correlation and path analysis in early and super-early maize genotypes. Genetics and Molecular Research, 16, 1-12. https://doi.org/10.4238/gmr16029671

Barbosa, M. H.; Carvalho, I. R.; Szareski, V. J.; Conte, G. G.; Pelegrin, A. J.; Ferrari, M.; Rosa, T. C.; Mambrim, R. B.; Nardino, M.; Oliveira, A. C.; Maia, L. C.; Souza, V. Q. 2019. Path analysis and canonical variables of intervarietal maize hybrids. Plant Omics, 12, 1-8. http://dx.doi.org/10.21475/poj.12.01.19.pt848

Carvalho, I. R.; Nardino, M.; Demari, G. H.; Pelegrin, A. J.; Ferrari, M.; Szareski, V. J.; Oliveira, V. F.; Barbosa, M. H.; Souza, V. Q.; Oliveira, A. C.; Maia, L. C. 2017. Components of variance and inter-relation of important traits for maize (Zea mays) breeding. Australian Journal of Crop Science, 11, 982-988. http://dx.doi.org/10.21475/ajcs.17.11.08.pne474

Cruz, C. D.; Carneiro, P. C. S.; Regazzi, A. J. 2014. Modelos biométricos aplicados ao melhoramento genético. 3 ed. Viçosa: UFV. 668p.

Emygdio, B. M.; Ignaczak, J. C.; Cargnelutti Filho, A. 2007. Potencial de rendimento de grãos de híbridos comerciais simples, triplos e duplos de milho. Revista Brasileira de Milho e Sorgo, 6, 95-103. https://doi.org/10.18512/1980-6477/rbms.v6n01p%25p

Ertiro, B. T.; Beyene, Y.; Das, B.; Mugo, S.; Olsen, M.; Oikeh, S.; Juma, C.; Labuschagne, M.; Prasanna, B. M. 2017. Combining ability and testcross performance of drought-tolerant maize inbred lines under stress and non-stress environments in Kenya. Plant Breeding, 136, 197-205. https://doi.org/10.1111/pbr.12464

Fancelli, A. L.; Dourado Neto, D. 2009. Milho: manejo e produtividade. Piracicaba: ESALQ/USP, 181p.

Lima, D. C.; Leon, N.; Kaeppler, S. M. 2022. Utility of anthesis-silking interval information to predict grain yield under water and nitrogen limited conditions. Crop Science, 63, 151-163. https://doi.org/10.1002/csc2.20854

Lima, R. O.; Borém, A. 2018. Melhoramento de milho. Editora: UFV, 396p.

Loh, W. Y. 2011. Classification and regression trees. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 1, 14-23. https://doi.org/10.1002/widm.8

Lopes, S. J.; Lúcio, A. D. C.; Storck, L.; Damo, H. P.; Brum, B.; Santos, V. J. D. 2007. Relações de causa e efeito em espigas de milho relacionadas aos tipos de híbridos. Ciência Rural, 37, 1536-1542. https://doi.org/10.1590/S0103-84782007000600005

Milborrow, S. 2022. _rpart.plot: Plot ´rpart` Models: an Enhanced Version of ´plot.rpart`_. R package version 3.1.1. Available at: https://CRAN.R-project.org/package=rpart.plot

Nardino, M.; Baretta, D.; Carvalho, I. R.; Follmann, D. N.; Konflanz, V. A.; Souza, V. Q.; Oliveira, A. C.; Maia, L. C. 2016. Correlações fenotípica, genética e de ambiente entre caracteres de milho híbrido da Região Sul do Brasil. Revista Brasileira de Biometria, 34, 379-394.

Parajuli, S.; Ojha, B. R.; Ferrara, G. O. 2018. Quantification of secondary traits for drought and low nitrogen stress tolerance in inbreds and hybrids of maize (Zea mays L.). Journal of Plant Breeding and Genetics, 2, 106-118.

Pedro, C.; Marçola, M. A.; Charimba, A. M.; Queiroz, L. G. C. D.; Souza, J. C. 2023. Genetic potential of maize full-sib progenies subjected to a reciprocal recurrent selection. Pesquisa Agropecuária Brasileira, 58, e03134. https://doi.org/10.1590/S1678-3921.pab2023.v58.03134

Pinheiro, L. S.; Vieira, R. C.; Barata, H. S.; Mota, R. S.; Sousa, R. F.; Vieira, M. M.; Nascimento, M. R.; Silva, V. F. A.; Oliveira, J. T.; Silva, P. A. 2021. Analysis of the path of the corn cob mass and its physical atributes. Research, Society and Development, 10, e41510111912. https://doi.org/10.33448/rsd-v10i1.11912

R Core Team. 2023. R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org

Rosa, T. C. D.; Carvalho, I. R.; Szareski, V. J.; Pelegrin, A. J.; Barbosa, M. H.; Santos, N. L.; Martins, T. S.; Uliana, A. S.; Souza, V. Q. 2018. Agronomic performance and multivariate analysis applied to three-waycross maize hybrids. Journal of Agricultural Science, 10, 319-328. https://doi.org/10.5539/jas.v10n5p319

Santos, H. G.; Jacomine, P. K. T.; Anjos, L. H. C.; Oliveira, V. A.; Lumbreras, J. F.; Coelho, M. R.; Almeida, J. A.; Araújo Filho, J. C.; Oliveira, J. B.; Cunha, T. J. F. 2018. Sistema brasileiro de classificação de solos. 5. ed. Rio de Janeiro: Embrapa Solos, 590p.

Silveira, D. L.; Cargnelutti Filho, A.; Neu, I. M.; Bubans, V. E.; Osmari, B. F.; Osmari, L. F. 2023. Canonical correlations in phenological, morphological, production and tassel traits of maize. Revista Caatinga, 36, 561-571. https://doi.org/10.1590/1983-21252023v36n309rc

Therneau, T.; Atkinson, B. 2022. _rpart: Recursive Partitioning and Regression Trees_. R package version 4.1.19. Available at: https://CRAN.R-project.org/package=rpart

Troyjack, C.; Pimentel, J. R.; Carvalho, I. R.; Szareski, V. J.; Junior, G. T.; Dubal, Í. T. P.; Demari, G. H.; Lautenchleger, F.; Martins, A. B. N.; Villela, F. A.; Aumonde, T. Z.; Pedó, T. 2019. Research article productive performance and multivariate interrelations of open-pollinated and hybrid maize in Brazil. Genetics and Molecular Research, 18, 1-9. http://dx.doi.org/10.4238/gmr18180

Publicado

2024-04-03

Como Citar

Loro, M. V., Cargnelutti Filho, A., Ortiz, V. M., Reis, M. B. dos, Andretta, J. A., & Schuller, B. R. (2024). Relações lineares entre caracteres do pendão e da espiga em bases genéticas de milho. Journal of Environmental Analysis and Progress, 9(2), 065–078. https://doi.org/10.24221/jeap.9.2.2024.6208.065-078