Herramientas

Mauricio Parra QuijanoConsultor FAOTratado Internacional sobre los Recursos FitogenéticosPara la Alimentación y la AgriculturaCoordinador Programa CAPFITOGEN

ColNucleo

Determinación de colecciones nucleares ecogeográficas con base en mapas ELC

Volviendo a la representatividad genética

A B C

accggtccc accggtcgc accggtctc

A B C

A A A

A B C

AAA

A

B

B B

B

C BA

Cuando las colecciones se hacen grandes…

ABB

A AA

CAB

CAB

ABB

A AA

AAA

A B

A

A

A

A

B

B B

B

C BA

A

B C

AA

AAB

B

BB

CBA

C

AA

A

A

AA

AA

Azar

Genotipo

Fenotipo

AB B

A AA

AAA

AB B

A AA

CAB

CAB

Pero no real

Con que información seleccionar?

Caracterización

Morfológica

Bioquímica/Molecular

Agronómica/Fisiológica/Fitosantiaria

Colecciones núcleo/nucleares (core collections)

Azar

Político/administrativas

Fenotípicas (morfología)

Fenotípicas (caracteres cuantitativos de interés agronómico)

Genotípicas (marcadores moleculares- neutral)

Ecogeográficas (adaptación al medio abiótico)

Mixtas / acumulativas

Colecciones Núcleo Ecogeográficas

Las primeras ideas sobre utilizar información sobre adaptación en CN son de 1995

Sólo hasta 2000-2010 se popularizan los SIG en RFG

En 2005 se crea el primer mapa ELC

En 2009 se obtienen y validan dos colecciones núcleo ecogeográficas

Colecciones Núcleo Ecogeográficas

Determinación de la representatividad

Medias Varianza Coincidencia rangos Coeficiente de variación

CN Ecogeográfica vs CN fenotípica

Determinación de la representatividad

¿Qué hace ColNucleo?

Mapa ELC de partida

P

CIntensidadMuestreo

10%15%20%…

1000

100

¿Qué hace ColNucleo?

Disponibilidad de semillas?

Colección núcleo ecogeográfica

Adicionalmente…

Validación fenotípica/genotípica

Realizar una estrategia paso a paso, seleccionando aun mas por otros tipos de caracteres

No seleccionar aleatoriamente sino por representatividad feno/genotípica

Una o varias

colecciones

núcleo?

FIGS_R

Determinación de subcolecciones enfocadas en rasgos de interés para mejoradores (FocusedIdentification Germplasm Strategy)

¿Por qué es tan difícil usar germoplasma?

Poca visibilidad de las colecciones

Poca informaciónsobre lo conservado

La información que hay no es muy útil para uso

Inaccesibilidad a la información

Inaccesibilidad al germoplasma

Poco interés de los mejoradores por usar colecciones

Conflicto de intereses…

Curadores Representatividad Mejoradores Rasgos

Paradoja de la utilización de los RFG

Frecuentemente lo que se encuentran los mejoradores son colecciones de 1000 entradas o más

Ellos tienen una capacidad limitada de prueba

Los mejoradores esperan como mucho 100 o 150 entradas para evaluar acerca de un rasgo en particular de interés, como parte de su actividad rutinaria

Los mejoradores necesitan información (datos de caracterización / evaluación) acerca del germoplasma conservado para hacer uso de el.

Los curadores de RFG priorizan esfuerzos en conservar y sólo cuando hay algo de dinero, en caracterizar

Hay escasísimos datos de evaluación (o al menos disponibles)… Lo que obliga a selecciones casi aleatorias

Siempre hay pocos o insuficientes fondos para caracterizar y evaluar germoplasma

Escaso nivel de utilización, poco interés

Reducción gradual de fondos para caract/evaluación

Focused Identification Germplasm Strategy

Idea original de Michael Mackay (1986,1990, 1995)

Fenotipo = Genotipo + Ambiente + (GxE)

Identificar germoplasma con alta probabilidad de contener la diversidad genética para el rasgo de interés

Usa información ecogeográfica para la predicción de los rasgos como fase previa a los ensayos de campo donde mejoradores prueban definitivamente la presencia del rasgo

No implica esfuerzos previos de caracterización/evaluación en campo por parte del curador y se reduce el número de entradas que se entregan a los mejoradores para ser evaluados

Resistencia/Tolerancia = Genotipo + Ambiente + (GxE)

Generando subcolecciones FIGS (≠ colecciones núcleo)

Potenciación de la

Primera aproximación…

Temperature

Salinity score

Elevation

Rainfall

Agro-climatic zone

Disease distribution

F I G SOCUSED DENTIFICATION OF ERMPLASM TRATEGY

Data

laye

rs s

ieve a

cce

ssio

ns

ba

sed

on

latitu

de

& lo

ngitu

de

Ilustración de

Mackay (1995)

GIS

laye

rs/

Eco

geo

grap

hic

alva

riab

les

Germplasm

FILTRADO!!!

Usamos conocimiento de los expertos Conocedores de la especie Mejoradores Entomólogos, patatólogos

Segunda aproximación… por modelos

Método de Clasificación AUC Kappa Validación real en campo

Principal ComponentRegression (PCR)

0.69 0.40 ?

Partial Least Squares (PLS) 0.69 0.41 ?

Random Forest (RF) 0.70 0.42 ?

Support Vector Machines (SVM)

0.71 0.44 ?

Artificial Neural Networks (ANN)

0.71 0.44 ?

Y = b + X1 + X2 + X3Resistencia/Tolerancia

Variables ecogeográficas

(Banco: Colección trigo ICARDA – Rasgo: Roya del tallo (Puccinia gramini)Fuente: Bari et al., 2012. Focused identification of germplasm strategy (FIGS) detects wheat stem rust resistance linked to environmental variables. Genet Resour Crop Evol 59(7):1465-1481

Predicción en germoplasma no eval/caractGermoplasma eval/caract Patrón

¿Qué hace FIGS_R?

Genera subcolecciones FIGS por el método de filtrado

Matriz de caracterizaciónecogeográfica

Tabla datospasaporte

Elevación

Temp media anual

Carbón Orgánico suelo

pH suelo sup

….….

Y

X

ECOGEO

Caracteriza ecogeográficamente la colección por las variables seleccionadas

¿Qué hace FIGS_R?

Caracteriza ecogeográficamente la colección por las variables seleccionadas

Utiliza hasta tres variables ecogeográficas y selecciona con ellas “paso a paso”

Precipitación anual (variable primaria)

Arcilla en suelo (variable secundaria)

Pendiente (variable terciaria)

40

4

Intensidadde selección

¿Qué hace FIGS_R?

Caracteriza ecogeográficamente la colección por las variables seleccionadas Utiliza hasta tres variables ecogeográficas y selecciona con ellas “paso a paso”

Selecciona entradas por un rango de valores para cada variable o por un porcentaje de la distribución de valores (p. ejemplo, el 30% más bajo), en procesos independientes para cada variable.

PORCENTAJE DELA DISTRIBUCIÓN

40% masbajo 35% mas

alto

Valorinferior

ValorsuperiorRANGO

¿Qué hace FIGS_R?

Caracteriza ecogeográficamente la colección por las variables seleccionadas Utiliza hasta tres variables ecogeográficas y selecciona con ellas “paso a paso” Selecciona entradas por un rango de valores para cada variable o por un porcentaje de

la distribución de valores (p. ejemplo, el 30% más bajo), en procesos independientes para cada variable.

Puede usar (según interés del usuario) un mapa ELC para intentar balancear la selección de entradas, tomando de cada categoría la fracción de la distribución

¿Qué hace FIGS_R?

Caracteriza ecogeográficamente la colección por las variables seleccionadas Utiliza hasta tres variables ecogeográficas y selecciona con ellas “paso a paso” Selecciona entradas por un rango de valores para cada variable o por un porcentaje de

la distribución de valores (p. ejemplo, el 30% más bajo), en procesos independientes para cada variable.

Al igual que ColNucleo, puede tener en cuenta la disponibilidad de material que indique el curador.

Una o varias

sub-colecciones

FIGS?