Avanço na genômica da seringueira cria ferramenta de seleção que pode reduzir 
ciclo de melhoramento de 25 a 30 anos para poucos anos.

Heiko Rossmann

O ciclo de melhoramento genético da seringueira (Hevea brasiliensis), principal fonte global de borracha natural, é notadamente longo. As abordagens convencionais, baseadas em medições fenotípicas e avaliações em campo, podem levar de 25 a 30 anos para produzir novos clones.

A fim de acelerar esse processo crucial para a indústria, um grupo de pesquisadores do Laboratório Nacional de Melhoramento de Culturas Tropicais, do Instituto de Pesquisa da Borracha, vinculado à Academia Chinesa de Ciências Agrícolas Tropicais (RRI-Catas, na sigla em inglês), na cidade de Haikou, na China, desenvolveu um chip de melhoramento genético de alta densidade, denominado “chip de 40K”, que promete revolucionar a seleção de clones de seringueira superiores.

Reprodução/ X. Wang et al.
 
Número de marcadores em cada cromossomo do “chip de 40K”

A nova ferramenta, detalhada em um artigo publicado em abril passado na revista Industrial Crops & Products, é um avanço da tecnologia de genotipagem por sequenciamento de alvos (GBTS, em inglês), que permite a análise eficiente e precisa de marcadores genéticos. O chip de 40K é composto por cerca de 40 mil marcadores genéticos, distribuídos em 18 cromossomos, e foi utilizado para a genotipagem de 223 acessos de seringueira.

Um novo caminho para a seleção genética

O estudo teve como um de seus principais objetivos ilustrar a viabilidade do chip no melhoramento da seringueira por meio da seleção genômica e de simulações de cruzamentos. A seleção genômica é uma metodologia que representa uma transição da seleção fenotípica (com base em uma ou mais características externas) para a baseada em genótipo.

O método calcula os valores genômicos estimados de melhoramento ao analisar todos os marcadores disponíveis, o que resulta em uma economia significativa de tempo e custo no processo de seleção.

A pesquisa focou na taxa de crescimento do diâmetro do caule, uma característica crucial para a produção de látex. Por meio de um estudo de associação ampla do genoma (GWAS), a equipe identificou oito marcadores genéticos significativos, agrupados em quatro regiões de características quantitativas (QTLs), em quatro cromossomos. A variação fenotípica explicada por esses QTLs oscilou de 12,14% a 14,76%.

Sete modelos de seleção genômica foram testados para otimizar o processo. O método BayesLASSO, utilizando um conjunto de marcadores com um limiar de valor de p de 0,001, apresentou a maior acurácia de previsão, de 0,59. O resultado indicou que o conjunto ótimo de dados de genótipos apresentou uma precisão de predição 0,19 vezes maior com 97,31% menos marcadores do que o conjunto de dados completo.

Simulando o futuro da seringueira

O passo seguinte foi aplicar o chip e o modelo de seleção genômica para identificar as combinações parentais mais promissoras. Em vez de realizar cruzamentos em campo - um processo demorado e caro -, os pesquisadores utilizaram um ambiente de simulação.

Os pesquisadores selecionaram 45 clones de seringueira como potenciais genitores, representando os 20% maiores valores fenotípicos para a taxa de crescimento do diâmetro do caule, e simularam 990 cruzamentos.

Com base nos valores genômicos estimados dos 250 descendentes F1 simulados para cada combinação, os pesquisadores calcularam um valor de “utilidade”. As três principais combinações parentais com os maiores valores de utilidade foram “ZhanShi500-1 x Indonesia5”, “Indonesia3 x ZhanShi873var.B1” e “IAN-6645 x ReKen515”.

No entanto, a análise revelou que “GShuang174” e “ZhanShi873var.B1” apareceram com mais frequência nas combinações parentais de melhor desempenho, indicando que podem ser utilizadas como pais superiores para o melhoramento da característica taxa de crescimento do diâmetro do caule.

O chip de melhoramento genético 40K parece ter grande potencial para o avanço de estudos genéticos e seleção genômica em seringueira. Ao determinar as combinações parentais mais adequadas sem a necessidade de ensaios de campo, o estudo oferece uma estratégia que pode reduzir significativamente o tempo e o custo associados aos programas tradicionais de melhoramento genético.

Este texto foi produzido com o auxílio da inteligência artificial Gemini, desenvolvida pelo Google, para a síntese e a estruturação de informações do artigo científico original. A revisão e validação final do conteúdo foram realizadas pelo autor.

Proibida a reprodução total ou parcial por qualquer meio.