Uncovering the genetic architecture of stink bug resistance and seed potential in soybean through image-based phenotyping and QTL mapping (2025)
- Authors:
- Autor USP: BRAGA, PATRICIA - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LGN
- DOI: 10.11606/T.11.2025.tde-05022026-155222
- Subjects: APRENDIZADO COMPUTACIONAL; IMAGEM DIGITAL; MAPEAMENTO GENÉTICO; MELHORAMENTO GENÉTICO VEGETAL; PERCEVEJO; RESISTÊNCIA GENÉTICA VEGETAL; SEMENTES; SOJA
- Keywords: Fenotipagem de alto rendimento
- Language: Inglês
- Abstract: Os percevejos estão entre os fatores que mais comprometem à produtividade da soja, causando reduções substanciais no rendimento e na qualidade das sementes. Este estudo combinou fenotipagem baseada em imagens, avaliações de campo convencionais, genotipagem por sequenciamento (GBS) e mapeamento QTL para investigar a arquitetura genética relacionada à resistência a percevejos e ao potencial fisiológico das sementes em soja. Uma população de linhagens recombinantes endogâmicas (RILs), derivada do cruzamento entre a cultivar resistente IAC-100 e a suscetível CD-215, foi analisada por meio de medidas manuais clássicas de fenotipagem e por imagens RGB, hiperespectrais e de raios X ao longo de duas safras agrícolas (2018/2019 e 2019/2020). Técnicas avançadas de imagem forneceram insights detalhados sobre atributos físicos, químicos e morfológicos das sementes, detectando diferenças sutis nas sementes e destacando os danos causados pelos percevejos. A integração de dados derivados de imagens com avaliações de campo tradicionais permitiu predizer com elevada precisão características como peso de sementes saudáveis (>90%) e tolerância ao ataque de percevejos (60%). Análises multivariadas revelaram três principais grupos de características: resistência a percevejos, formato das sementes e potencial fisiológico das sementes. Mapeamento de loci de características quantitativas (QTL) e abordagens de aprendizado de máquina identificaram loci significativos associados à resistência equalidade das sementes, distribuídos em 10 cromossomos, particularmente nos cromossomos 1, 12 e 17. Anotações funcionais revelaram vias enriquecidas relacionadas à resposta ao estresse oxidativo e ao metabolismo secundário, reforçando a relevância biológica dos resultados. Elevados valores de herdabilidade para características como dias para maturação (87%) e tolerância (80%) enfatizam a robustez da abordagem de fenotipagem. Esses resultados demonstram o potencial da integração de fenotipagem de alto rendimento e ferramentas genômicas para acelerar o desenvolvimento de cultivares de soja de elite com resistência aprimorada ao estresse biótico e desempenho agronômico superior. Avanços futuros na automação de aquisição de imagens ampliarão ainda mais a aplicabilidade desses métodos às rotinas dos programas de melhoramento
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2025
- Data da defesa: 07.03.2025
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
BRAGA, Patricia. Uncovering the genetic architecture of stink bug resistance and seed potential in soybean through image-based phenotyping and QTL mapping. 2025. Tese (Doutorado) – Universidade de São Paulo, Piracicaba, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11137/tde-05022026-155222/. Acesso em: 09 fev. 2026. -
APA
Braga, P. (2025). Uncovering the genetic architecture of stink bug resistance and seed potential in soybean through image-based phenotyping and QTL mapping (Tese (Doutorado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11137/tde-05022026-155222/ -
NLM
Braga P. Uncovering the genetic architecture of stink bug resistance and seed potential in soybean through image-based phenotyping and QTL mapping [Internet]. 2025 ;[citado 2026 fev. 09 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11137/tde-05022026-155222/ -
Vancouver
Braga P. Uncovering the genetic architecture of stink bug resistance and seed potential in soybean through image-based phenotyping and QTL mapping [Internet]. 2025 ;[citado 2026 fev. 09 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11137/tde-05022026-155222/
Informações sobre o DOI: 10.11606/T.11.2025.tde-05022026-155222 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
