| Revista: | Agricultura técnica en México |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000326304 |
| ISSN: | 0568-2517 |
| Autores: | Montesinos López, Osval Antonio1 Mastache Agunas, Angel Agustín2 Luna Spinoza, Ignacio3 Hernández Suárez, Carlos Moisés4 Hernández Lira, Guadalupe5 |
| Instituciones: | 1Universidad de Colima, Facultad de Telemática, Colima. México 2Colegio Superior Agropecuario del Estado de Guerrero, Centro de Estudios Profesionales, Chilpancingo, Guerrero. México 3Universidad del Istmo, Campus Ixtepec, Ixtepec, Oaxaca. México 4Universidad de Colima, Facultad de Ciencias, Colima. México 5Colegio de Postgraduados, Instituto de Socioeconomía, Estadística e Informática, Montecillo, Estado de México. México |
| Año: | 2009 |
| Periodo: | Jul-Sep |
| Volumen: | 35 |
| Número: | 3 |
| Paginación: | 245-256 |
| País: | México |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Experimental, aplicado |
| Resumen en español | En el mejoramiento genético de plantas y animales se han utilizado los experimentos de cruzas dialélicas (diseños completos de Griffing) para realizar estimaciones de parámetros y pruebas de hipótesis, lo cual es importante para la toma de decisiones en programas de mejoramiento genético. Los esquemas completos de Griffing son útiles cuando el número de líneas progenitoras es pequeño, sin embargo, cuando este número es elevado es difícil preparar, establecer y conducir los trabajos de campo. Una alternativa consiste en emplear los diseños parciales de cruzas dialélicas, los cuales ensayan un subconjunto del total de cruzas que es posible formar entre los progenitores básicos. Estos experimentos pueden ser simétricos o asimétricos. Además, es frecuente que los investigadores formen grupos o familias de progenitores, lo que implica considerar la estimación de los efectos del grupo o familia. No obstante, hasta ahora no se ha realizado una investigación para obtener el Mejor Predictor Lineal Insesgado del efecto familiar o de grupo considerando los efectos maternos en experimentos parciales bajo el modelo de efectos mixtos. Por lo que en éste trabajo se derivan los MPLI familiares para aptitud combinatoria general en experimentos dialélicos parciales con efectos maternos, y se realiza un algoritmo computacional en comandos SAS–IML que permite la aplicación de la metodología propuesta |
| Resumen en inglés | In plant or animal breeding the experiments with diallel crosses (complete Griffing's designs) have been frequently used to estimate parameters and test hypothesis, which is really important for decision making in breeding programs. Nevertheless, the complete Griffing's designs are useful when the number of parental lines is reduced. With a high number of parental lines is difficult to prepare, stablish and conduct the trials in the field. In this situation a partial diallel experiment is recommended, which can be symetric or asymetric. An option is to use the partial diallel designs, which test a subset from the total number of crosses that is possible to develop among the parental lines. These trials can either be symetric or asymetric. In addition is frequent that researchers conform groups of families or parents that implies the consideration of estimating group or family effects. Nevertheless, so far no research has been conducted to estimate the best unbiased lineal predictor of group or family effect taking into account maternal effects in partial designs under a mixed model. For the above reason, in this research the best unbiased lineal predictor of familias for general combining ability in parcial diallel designs, including maternal effects, are derived, and a computer algorithm in SAS–IML commands that allows for the application of the proposed methodology |
| Disciplinas: | Matemáticas |
| Palabras clave: | Matemáticas aplicadas, Genética, Mejoramiento genético, Cruzas de dialelos, Aptitud combinatoria, Predictores lineales insesgados |
| Keyword: | Mathematics, Applied mathematics, Genetic improvement, Diallel crosses, Combining ability, Linear unbiased predictors, Genetics |
| Texto completo: | Texto completo (Ver HTML) |
