.
Nas últimas décadas, o mundo testemunhou um tremendo progresso nas ferramentas usadas para análise genômica. Embora seja mais comum associar essas ferramentas aos campos da biologia e da medicina, elas provaram ser muito valiosas também na agricultura. Usando vários marcadores de DNA obtidos de tecnologias de sequenciamento de última geração, os criadores podem fazer previsões genômicas e selecionar indivíduos promissores com base em seus valores de características previstos.
Vários sistemas e metodologias que visam melhorar a qualidade das frutas usam análise genética. Um deles consiste em seleção genética (GS) e predição genética (GP). Essa abordagem moderna de melhoramento usa modelos estatísticos para avaliar todo o perfil genético de um determinado indivíduo com base em genomas coletados anteriormente e suas características associadas. Isso permite que os criadores façam previsões sobre as características da fruta que serão produzidas no futuro no estágio de muda. Em contraste, os estudos de associação em todo o genoma (GWAS) são focados em encontrar as variantes genéticas exatas que são responsáveis por uma característica específica da fruta.
Até agora, GP e GWAS têm usado predominantemente marcadores de DNA de um único sistema, e quando o sistema em uso se tornou obsoleto, ele teve que ser reanalisado usando um sistema mais atualizado. No entanto, tem sido difícil reanalisar populações para seleção no melhoramento de árvores frutíferas que foram analisadas em sistemas anteriores, pois não é possível reobter DNA de indivíduos descartados durante a seleção. Assim, em um estudo recente publicado em Pesquisa em Horticultura em 8 de julho de 2024, uma equipe de pesquisa liderada pelo Professor Associado Mai F. Minamikawa do Instituto de Pesquisa Acadêmica Avançada, Universidade de Chiba, Japão, decidiu esclarecer se a combinação de dados de maçãs de diferentes sistemas poderia levar a resultados mais precisos ao realizar GP e GWAS. Outros membros da equipe incluíram o Dr. Miyuki Kunihisa do Instituto de Ciência de Árvores Frutíferas e Chá, Organização Nacional de Pesquisa Agrícola e Alimentar, Japão, e o Professor Hiroyoshi Iwata é da Escola de Pós-Graduação em Ciências Agrárias e da Vida da Universidade de Tóquio, Japão.
Primeiro, os pesquisadores combinaram conjuntos de dados de maçã adquiridos de dois sistemas de genotipagem diferentes, a saber, Infinium e genotipagem por sequenciamento direto de amplicon aleatório (GRAS-Di). Então, eles usaram esses marcadores de genótipo combinados para realizar GP e GWAS para um total de 24 características diferentes de frutas, incluindo acidez, doçura, tempo de colheita e conteúdo solúvel sólido. A equipe comparou o desempenho de previsões feitas usando modelos treinados em qualquer conjunto de dados sozinho ou ambos combinados.
Os resultados foram muito encorajadores; a precisão das previsões genômicas e o poder de detecção do sistema GWAS aumentaram significativamente ao usar os conjuntos de dados combinados Infinium e GRAS-Di para múltiplas características de frutas. Isso sugere que há benefícios em combinar dados de diferentes sistemas e alavancar dados históricos.
Para forçar ainda mais os limites, os pesquisadores também treinaram o modelo GP de tal forma que os efeitos de endogamia foram considerados. Curiosamente, esses resultados também sugeriram que a abordagem combinada teve melhor desempenho para certas características, incluindo Brix e Grau de farelo. Ainda assim, essas descobertas foram menos conclusivas, como observa o Dr. Minamikawa, “Embora a precisão do GS para características de frutas em maçãs possa ser melhorada por dados sobre endogamia, estudos adicionais são necessários para entender a relação entre características de frutas e endogamia..“
No geral, as descobertas deste estudo sugerem uma maneira conveniente de melhorar a precisão do GS e do GWAS alavancando conjuntos de dados existentes. Isso pode ter muitas implicações positivas na agricultura, como destaca o Dr. Minamikawa, “Os desafios como o grande tamanho da planta e os longos períodos juvenis em árvores frutíferas podem ser abordados pela identificação de genótipos superiores de vários indivíduos usando GS de alta precisão como estágio de muda e detectando variantes genéticas para uma característica alvo usando GWAS preciso..“
Esperemos que novos avanços nesse campo tornem o cultivo de frutas mais eficiente e confiável para que possamos continuar a apreciá-las em nossa dieta.
.
