Multi-trait selection in ancient grapevine varieties

Abstract

The selection of ancient grapevine varieties aims to achieve genetic gains in several important traits that can make the variety more interesting for the objectives of the producers. Linear mixed models are fitted to the data to predict the Empirical Best Linear Unbiased Predictors (EBLUP) of genotypic effects for each evaluated trait, which will be the basis for selection. When multi-trait selection is made a method to identify the best genotypes is crucial. The choice of the method is of great importance, since the maximization of genetic gains from selection depends on it. Several important traits were evaluated in field trials of three Portuguese autochthonous varieties. Two different methods, a new selection index and integer programming, were applied for polyclonal selection (a balanced mixture of 7 to 20 clones) and for the selection of individual 30-40 clones to implement the multi-environmental field trials for clonal selection. The results showed that the integer programming method gave better results for polyclonal selection, while the selection index performed better for clonal selection.

Sélection multi-traits en cépages anciens de vignes

La sélection de cépages anciens vise à obtenir des gains génétiques sur plusieurs traits importants qui peuvent rendre le cépage plus intéressant pour les objectifs des producteurs. Traditionnellement, les caractéristiques de rendement et de qualité du moût ont été prises en compte lors de la sélection, mais bien d’autres peuvent être prises en compte. Des modèles mixtes linéaires sont adaptés aux données pour prédire les meilleurs prédicteurs empiriques linéaires sans biais (EBLUP) des effets génotypiques pour chaque trait évalué, qui serviront de base à la sélection. Lorsque la sélection est effectuée simultanément sur tous ces traits, le processus est appelé sélection multi-traits et la nécessité de disposer d’une méthode permettant d’identifier les meilleurs génotypes est cruciale. Le choix de la méthode est d’une grande importance, puisque la maximisation des gains génétiques issus de la sélection en dépend. Plusieurs auteurs mentionnent un indice de sélection comme la méthode la plus pratique pour réaliser une sélection considérant plusieurs traits simultanément. Cependant, d’autres méthodes sont disponibles, comme celles basées sur la programmation en nombres entiers.  Ce travail compare les gains génétiques de la sélection sur plusieurs caractères en utilisant un nouvel indice de sélection et une nouvelle méthode basée sur la programmation en nombres entiers développée pour la sélection de la vigne. Plusieurs caractères importants ont été évalués lors d’essais sur le terrain de variétés autochtones portugaises, établies selon des conceptions en rangées et en colonnes avec 5 à 6 répétitions résolubles. Les deux méthodes différentes (indice de sélection et programmation entière) ont été appliquées pour la sélection polyclonale (un mélange équilibré de 7 à 20 clones) et pour la sélection de 30 à 40 clones afin de mettre en œuvre les essais multi-environnementaux sur le terrain pour la sélection clonale. Les résultats ont montré que la méthode basée sur la programmation entière donnait de meilleurs résultats (pour le groupe sélectionné, des gains génétiques plus élevés et plus équilibrés pour plusieurs traits) que l’indice de sélection lorsqu’il était appliqué à la sélection polyclonale. Cependant, lorsqu’il est appliqué à la sélection de clones pour mettre en œuvre la sélection clonale, l’indice de sélection a montré de meilleures performances (pour chaque clone sélectionné, des gains génétiques plus élevés pour les différents caractères ont été observés).  La sélection multi-traits est de plus en plus requise dans les contextes actuels et futurs, où l’évaluation de plus en plus de traits est nécessaire pour répondre aux demandes du secteur et aux défis du changement climatique. Par conséquent, ce travail fournit des outils pour sélectionner le matériel végétatif (clonal et polyclonal) selon un critère de sélection équilibré qui maximise les gains génétiques pour plusieurs traits.

Selección multi-rasgo en variedades de vid antiguas

La selección de variedades de vid antiguas tiene como objetivo lograr ganancias genéticas en varios rasgos importantes que pueden hacer que la variedad sea más interesante para los objetivos de los productores. Tradicionalmente se han tenido en cuenta para la selección las características de rendimiento y calidad del mosto, pero se pueden tener en cuenta muchas otras. Se ajustan modelos lineales mixtos a los datos para predecir los mejores predictores empíricos lineales insesgados (EBLUP) de los efectos genotípicos para cada rasgo evaluado, que serán la base para la selección. Cuando se realiza la selección de todos estos rasgos simultáneamente, el proceso se denomina selección de rasgos múltiples y la necesidad de un método para identificar los mejores genotipos es crucial. La elección del método es de gran importancia, ya que de él depende la maximización de las ganancias genéticas de la selección. Varios autores mencionan un índice de selección como el método más práctico para realizar la selección considerando varios rasgos simultáneamente. Sin embargo, hay otros métodos disponibles, como los basados en programación entera. Este trabajo compara las ganancias genéticas de la selección para varios caracteres utilizando un nuevo índice de selección y un nuevo método basado en programación entera desarrollado para la selección de vid. Se evaluaron varios rasgos importantes en ensayos de campo de variedades autóctonas portuguesas, establecidas según diseños de hileras y columnas con 5-6 repeticiones resolubles. Se aplicaron dos métodos diferentes (índice de selección y programación entera) para la selección policlonal (una mezcla equilibrada de 7 a 20 clones) y para la selección de 30 a 40 clones para implementar los ensayos de campo multiambientales para la selección clonal. Los resultados mostraron que el método basado en programación entera dio mejores resultados (para el grupo seleccionado ganancias genéticas mayores y más equilibradas para varios rasgos) que el índice de selección cuando se aplicó a la selección policlonal. Sin embargo, cuando se aplicó a la selección de clones para implementar la selección clonal, el índice de selección mostró un mejor desempeño (para cada clon seleccionado se observaron mayores ganancias genéticas para los diversos rasgos). La selección multi-rasgo es cada vez más requerida en contextos actuales y futuros, donde la evaluación de cada vez más rasgos es necesaria para satisfacer las demandas del sector y los desafíos del cambio climático. Por lo tanto, este trabajo proporciona herramientas para seleccionar material vegetativo (clonal y policlonal) de acuerdo con un criterio de selección equilibrado que maximiza las ganancias genéticas para múltiples rasgos.