MODELAGEM ESTATÍSTICA NA SELEÇÃO DE PROGÊNIES DE Urochloa ruziziensis VISANDO RESISTÊNCIA À CIGARRINHA DAS PASTAGENS
Urochloa ruziziensis, melhoramento genético, modelagem estatística, modelos generalizados mistos.
A Urochloa ruziziensis, espécie exótica originária do continente africano, apresenta elevada adaptabilidade ao clima tropical brasileiro e boas qualidades bromatológicas, contribuindo positivamente para a agropecuária nacional e, indiretamente, para a produção de alimentos de origem animal. Contudo, sua suscetibilidade à cigarrinha-das-pastagens inviabiliza seu uso em monocultivo. Nesse contexto, o melhoramento genético da espécie para resistência a esse inseto-praga torna-se necessário para viabilizar sua utilização em larga escala nos sistemas de produção animal. Entretanto, o processo de seleção é dificultado pelo delineamento experimental adotado e pela natureza das variáveis avaliadas, que apresentam distribuições normal e binomial. Assim, este trabalho teve como objetivo avaliar progênies de U. ruziziensis, obtidas em ensaios experimentais conduzidos em delineamento em blocos casualizados (DBC) e em blocos aumentados (DBA), ao longo de dezesseis anos de seleção recorrente (2008–2023), quanto ao fenótipo de resistência à cigarrinha-das-pastagens. A análise consistiu na modelagem estatística dos dados, com o objetivo de identificar o modelo de melhor ajuste, por meio da comparação entre modelos lineares mistos (MLM) e modelos lineares generalizados mistos binomiais (MLGMB). Nos experimentos conduzidos em DBA, foram consideradas diferentes estruturas para os componentes de variação de bloco e de testemunha, assumidos, em uma situação, como efeitos aleatório e fixo e, em outra, como efeitos aleatórios, a fim de averiguar e comparar os níveis de coincidência entre as estratégias analíticas. Para ambos os modelos, serão estimados os parâmetros genéticos, com o intuito de verificar sua adequação estatística quanto à obtenção dos estimadores genéticos. Desse modo, espera-se que os MLGMB apresentem melhor ajuste aos dados, permitindo descrevê-los de forma mais eficiente, aumentar a precisão da seleção e possibilitar inferências mais robustas na condução do programa de melhoramento genético da espécie para o fenótipo em estudo.