ChileanJAR

Diversas estructuras avanzadas de varianzas-covarianzas se han utilizado comúnmente en análisis genético de cultivos agrícolas para detectar la variabilidad del micro-sitio y lograr una alta precisión en las predicciones del valor genético, mejorando la eficiencia de la selección. Diferentes estructuras de varianza-covarianza fueron exploradas para predecir el mejor predictor linear insesgado del valor genético en 453 clones de Pinus taeda L., evaluados a través de 16 sitios en el sureste de Estados Unidos. Los modelos estadísticos fueron comparados usando parámetros de diagnóstico, componentes de varianza y parámetros genéticos. De los modelos comparados, el mejor modelo fue el escenario con ajuste de la varianza residual independiente de la forma autoregresiva para la matriz R más una estructura de factor analítico para la matriz G. El modelo generó el menor valor del parámetro de diagnóstico (LogL igual a -2694), una baja varianza residual (12.72), y la más alta heredabilidad en sentido amplio (0.45), comparada con las estructuras básicas de varianzas-covarianzas homogéneas, a un nivel de significancia de P < 0.05. Se concluye que la combinación de una estructura específica para el efecto genético y residual resultó efectiva para remover la variabilidad relacionada con el espacio, e incrementar la exactitud de la predicción de los valores genéticos, lo cual podría usarse como herramienta analítica para aumentar la eficiencia de la selección en ensayos genéticos forestales.