Análises fenotípicas e moleculares na identificação de SNPs associados aos conteúdos de proteínas total e de reserva de soja [Glycine max (L.) Merril]
Nome: RODRIGO MONTE LORENZONI
Tipo: Tese de doutorado
Data de publicação: 28/02/2020
Orientador:
Nome |
Papel |
|---|---|
| TAÍS CRISTINA BASTOS SOARES | Orientador |
Banca:
| Nome |
Papel |
|---|---|
| CARLA CRISTINA GONÇALVES ROSADO | Suplente Externo |
| EDUARDO FRIZZERA MEIRA | Examinador Externo |
| FRANCIELE BARROS DE SOUZA SOBREIRA | Suplente Externo |
| MAXIMILLER DAL-BIANCO LAMAS COSTA | Examinador Externo |
| MOISÉS ZUCOLOTO | Examinador Interno |
Páginas
Resumo: O conteúdo de proteínas de reserva em soja é uma característica que influencia
diretamente na qualidade nutricional da proteína, uma vez que a proporção de βconglicinina (7S) e glicinina (11S) determina o balanço de aminoácidos sulfurados. Programas de melhoramento genético voltados para qualidade da soja vêm sendo desenvolvidos, e são necessárias avaliações de elevado número de genótipos nas etapas de seleção. O método tradicional de estimativa é laborioso e demorado, portanto, novas ferramentas devem ser utilizadas a fim de otimizar a caraterização de materiais. A espectroscopia de infravermelho próximo (NIR) é uma técnica que vem sendo utilizada na indústria de alimentos para determinação de diferentes constituintes e apresenta alta sensibilidade, elevado potencial preditivo, além de permitir analisar amostras em curto período. Devido à demanda para estimar conteúdo de proteínas de reserva objetivou-se com o presente trabalho desenvolver uma curva de calibração NIR a partir da correlação do método de referência e os espectros adquiridos por NIR e validá-la para estimar a concentração de proteínas de reserva em sementes de soja. Foi estabelecido um modelo
de regressão de PLS com 105 amostras de calibração, 25 amostras de validação cruzada e 26 para validação externa, as quais foram previamente quantificadas por Kjeldahl e posteriormente obtidos os espectros de NIR. Os espectros foram corrigidos pela primeira derivada e então calibrado o modelo. Com base nas estimativas e correção dos espectros na calibração foi verificado coeficiente de determinação (R²) de 0,965 e para a validação externa foi de 0,976. Os demais parâmetros de confiabilidade para validação foram suficientes para garantir a aplicabilidade do modelo ajustado, na estimativa do
conteúdo proteico, onde foi obtido EPC de 0,293%, EPVC de 0,726% e EPP 0,562%. Foi ainda calculado o determinante preditivo da validação cruzada e da validação externa, com valores de 4,146 e 5,099, respectivamente. A capacidade preditiva do modelo desenvolvido neste trabalho foi considerada satisfatória e, portanto, foi validada a hipótese de que modelos preditivos pela regressão PLS é eficiente na estimativa do conteúdo de proteínas de reserva e, dessa forma análises de NIR podem ser utilizadas em programas de melhoramento por propiciar redução de tempo e custos e, garantir
acurácia nas estimativas.
