Seleção genômica e estudos de associação genômica ampla para características de crescimento em populações de melhoramento de Eucalyptus

Abstract

Esta tese de doutorado apresenta resultados de pesquisa em seleção genômica ampla (GS) e estudos de associação genômica ampla (GWAS) em seis populações de melhoramento de Eucalyptus, com o objetivo de avaliar o potencial destas abordagens em explicar a herdabilidade, detectar associações significativas e predizer fenótipos de características de crescimento. No primeiro capítulo foram comparadas as abordagens de predição genômica e associação genômica ampla para características de crescimento em populações de melhoramento de Eucalyptus benthamii (𝑛 = 505) e Eucalyptus pellita (𝑛 = 732). Ambas as espécies são de crescente interesse comercial para o desenvolvimento de germoplasma adaptado a estresses ambientais. A capacidade preditiva atingiu 0,16 em E. benthamii e 0,44 em E. pellita para crescimento em diâmetro. As capacidades preditivas usando BLUP genômico ou diferentes métodos Bayesianos atingiram resultados semelhantes, indicando que as características de crescimento se ajustam adequadamente ao modelo infinitesimal. Nenhuma diferença foi detectada na capacidade preditiva quando diferentes conjuntos de SNPs foram utilizados, com base na posição (equidistantes no genoma, dentro de genes, podados considerando o desequilíbrio de ligação ou em cromossomos individuais), desde que o número total de SNPs utilizados fosse superior a 5.000. As capacidades preditivas obtidas pela remoção de parentesco entre as populações de treinamento e validação caíram para quase zero em E. benthamii e foram reduzidas pela metade em E. pellita. Esses resultados corroboram a visão atual de que o parentesco é o principal motor da predição genômica, embora algum desequilíbrio de ligação histórico provavelmente tenha sido capturado para E. pellita. Um estudo de associação genômica identificou apenas uma associação significativa para volume em E. pellita, ilustrando o fato de que, embora a predição genômica seja capaz de explicar grandes proporções da herdabilidade, muito pouco ou quase nada é capturado em associações significativas usando a abordagem de GWAS nas populações de melhoramento do tamanho avaliado neste estudo. Este estudo forneceu dados experimentais adicionais que indicam perspectivas positivas de usar dados genômicos para capturar grandes proporções de herdabilidade e predizer características de crescimento em espécies florestais com acurácias iguais ou melhores do que aquelas capturadas pela seleção fenotípica convencional. Adicionalmente, esses resultados documentaram a superioridade da abordagem de GS na capacidade de capturar grandes proporções da variância genética para crescimento, em comparação com o valor limitado da abordagem de GWAS ao se considerar aplicações no melhoramento operacional. A maioria dos estudos de GWAS em plantas, no entanto, assim como este descrito acima, tem sofrido com um poder estatístico limitado, especialmente para características complexas. Tamanhos amostrais maiores são necessários no sentido de aumentar a capacidade de detecção de variantes, especialmente aquelas de baixa frequência e de pequeno efeito. Devido aos desafios logísticos e altos custos para aumentar o tamanho das populações em estudos de associação, uma alternativa tem sido a implementação de Joint-GWAS, utilizando informações combinadas de populações independentes. Joint-GWAS utiliza diferentes abordagens estatísticas para combinar os resultados de múltiplos estudos em um esforço para aumentar o poder de detecção em relação a estudos individuais, melhorar as estimativas do tamanho dos efeitos e/ou resolver a incerteza quando resultados dos estudos individuais não concordam. No segundo capítulo desta tese de doutorado foi realizado um estudo de associação genômica ampla utilizando dados de quatro populações independentes para características de crescimento, montando assim uma população de associação consideravelmente maior do que estudos anteriores em espécies florestais. Dados de um total de 3.373 árvores de quatro populações híbridas de Eucalyptus grandis x Eucalyptus urophylla não relacionadas, cada uma delas com 758 a 979 indivíduos, foram utilizados. Estas populações haviam sido genotipadas com uma plataforma de SNP comum desenvolvida para Eucalyptus permitindo assim a implementação de Joint-GWAS. O impacto da correção para estrutura de população e/ou parentesco sobre a capacidade de detecção de associações significativas foi explorado utilizando seis modelos estatísticos com base na análise de SNPs individuais. Uma redução drástica no número de associações significativas foi observada ao se adotar correções mais rigorosas. Foi avaliado ainda o desempenho de diferentes abordagens de mapeamento de associação utilizando segmentos genômicos contendo vários SNPs em contrates com SNPs individuais. A abordagem de mapeamento de herdabilidades regionais, nas quatro populações analisadas de forma independente, identificou regiões genômicas que explicaram individualmente 3-13% da herdabilidade genômica. Variantes raras foram detectadas usando abordagens de Joint-GWAS baseadas em conjuntos de SNPs dentro de genes e em segmentos específicos. Associações foram detectadas em genes relacionados à biossíntese da parede celular e resistência à doença, sugerindo potenciais efeitos pleiotrópicos no crescimento da árvore. De maneira geral, o aumento do tamanho amostral e a aplicação de diferentes abordagens de análise combinada de populações ainda revelaram um número limitado de associações, corroborando a complexidade de características de crescimento e a provável participação de um grande número de variantes de pequeno efeito de difícil detecção no controle de crescimento. Entretanto, estes resultados indicam ainda que à medida que mais programas de melhoramento de Eucalyptus adotarem genômica para predizer fenótipos com base em uma plataforma SNP comum, conjuntos de dados cada vez maiores ficarão disponíveis e Joint-GWAS como descrito neste estudo de forma inédita em espécies florestais, será capaz de contribuir para a identificação de SNPs ou segmentos genômicos que controlam proporções relevantes da herdabilidade.