Benefits of mixed models and its BLUP methodology in sugarcane breeding

Hoarau Jean-Yves, Dumont Thomas. 2023. Benefits of mixed models and its BLUP methodology in sugarcane breeding. In : Proceedings of the XXXI International Society of Sugar Cane Technologists. ISSCT. Hyderabad : ISSCT, 621-627. ISSCT Congress. 31, Hyderabad, Inde, 20 Février 2023/23 Février 2023.

Titre français : Avantages des modèles mixtes et du concept de BLUP dans le domaine de la sélection de la canne à sucre / Titre anglais : Beneficios de los modelos mixtos y su metodología BLUP en el mejoramiento genético de la caña de azúcar

Résumé : The use of linear mixed models (LMM) and its Best Linear Unbiased Prediction (BLUP) methodology is becoming increasingly popular amongst research scientists dealing with data modelling. Development of computer power and user-friendly statistical software facilitate their rapid implementation. This paper gives an overview of the benefits of the flexible LMM/BLUP framework to analyse experimental data collected in sugarcane-breeding programs to make efficient breeding and selection decisions, or to study genetic properties of traits of agronomic interest. Several applications of mixed models are presented. Their common feature is to exploit co-variances existing between some experimental data. Depending on applications, the nature of co-variances differs and might be related either to spatial, temporal and/or genetic considerations, with possible nested effects. In all cases, the methodology has the advantage of providing unbiased statistical inferences and predictions supporting objective conclusions in scientific issues investigated.

Résumé (autre langue) : L'utilisation de modèles linéaires mixtes (LMM) et du concept statistique de meilleur prédicteur linéaire sans biais (ou de BLUP pour Best Linear Unbiased Predictor en anglais) deviennent de plus en plus populaires dans le domaine de la modélisation de données expérimentales. L'apparition d'ordinateurs puissants et de logiciels statistiques conviviaux facilitent l'implémentation rapide des modèles linéaires mixtes. Cet article donne un aperçu de la flexibilité et des avantages des modèles mixtes et des BLUP pour analyser des données expérimentales de programmes d'amélioration génétique dans le but de décisions efficaces de création variétale ou pour étudier les propriétés génétiques de caractères d'intérêt agronomique. Plusieurs applications de modèles mixtes sont présentées. Leur caractéristique commune est d'exploiter des co-variances existant entre certaines données expérimentales. Selon les applications, la nature de ces covariances diffère. Elle peut être liée à des relations spatiales, temporelles et/ou génétiques entre données, avec de possibles effets hiérarchisés. Dans tous les cas, la méthodologie des modèles mixtes a l'avantage de fournir des inférences et des prédictions statistiques sans biais permettant d'étayer des conclusions objectivées sur les questions scientifiques étudiées.

Mots-clés libres : Linear mixed models, Best Linear Unbiaised Prediction (BLUP), Sugarcane, Breeding

Auteurs et affiliations

• Hoarau Jean-Yves, CIRAD-BIOS-UMR AGAP (REU) ORCID: 0000-0001-9734-4165
• Dumont Thomas, eRcane (REU)

Source : Cirad-Agritrop (https://agritrop.cirad.fr/604092/)

Métriques

[ Page générée et mise en cache le 2023-03-08 ]