Estudo combina genética e IA para selecionar linhagens de soja

Pesquisadores da Universidade Estadual Paulista (Unesp) e da Universidade Tecnológica Federal do Paraná (UTFPR) combinaram métodos de genética quantitativa e inteligência artificial para selecionar linhagens de soja com produtividade elevada e composição favorável dos grãos. O estudo apontou as quatro linhagens mais bem classificadas e demonstrou a aplicação complementar de aprendizado de máquina no melhoramento.

A pesquisa avaliou 142 linhagens avançadas, distribuídas em quatro populações, durante três safras, entre 2019/20 e 2021/22, em Jaboticabal, São Paulo. Os cientistas analisaram produtividade, teores de óleo e proteína, altura das plantas, acamamento e outras características agronômicas.

A equipe utilizou modelos mistos REML/BLUP para estimar parâmetros genéticos. Em seguida, aplicou o índice de seleção Z para combinar produtividade e teor de óleo e ranqueou as dez melhores linhagens de cada população. Os genótipos 19, 42, 38 e 27 ocuparam o primeiro lugar nas populações A, B, C e D, respectivamente.

O genótipo 38, da população C, apresentou produtividade média de 5.132,81 quilogramas por hectare e teor de óleo de 22,54%, considerando as três safras. O material alcançou índice Z de 7,45.

Segundo os autores, as linhagens selecionadas ainda precisam passar por ensaios com repetição e por avaliações de valor de cultivo e uso (VCU) em diferentes ambientes antes de qualquer recomendação comercial.

Os pesquisadores também utilizaram o algoritmo Random Forest para classificar materiais previamente avaliados conforme os teores de óleo, proteína e a combinação das duas características.

A classificação alcançou acurácia de 99% para óleo, 100% para proteína e 98% para o critério combinado. Esses índices representam concordância com grupos definidos a partir dos próprios dados experimentais. Não demonstram capacidade de prever o desempenho de genótipos desconhecidos.

O estudo identificou diferenças na variabilidade genética entre populações e safras. Entretanto, a avaliação de cada geração em um ano diferente impediu separar os efeitos da seleção genética daqueles associados ao ambiente (doi 10.3390/agronomy16212252).

O trabalho foi realizado pelos cientistas Alice Pereira Silva, Jardel Souza, Alyce Carla Rodrigues Moitinho, Dardânia Soares Cristeli, Hortência Kardec da Silva, Thayná Pereira Garcia, Glauco Vieira Miranda e Sandra Helena Unêda-Trevisoli.