Educación en tiempos de pandemia

Docente se doctora en ciencias biológicas con tesis de ensayos agrícolas multiambientales

01 de Marzo de 2021 - El Decanato y la Secretaría de Posgrado de la Facultad de Agronomía y Veterinaria felicitan a la Msc. Mercedes Ibáñez, que defendió su tesis y se graduó como doctora en Ciencias Biológicas, carrera de la Facultad de Ciencias Exactas, Físico-Químicas y Naturales de la UNRC.

Su tesis se tituló: “Análisis biométrico de ensayos agrícolas multiambientales con datos incompletos”. Fue dirigida por la Dra. Mónica Balzarini (UNC-CONICET) y codirigida por el Msc. Miguel Di Renzo (UNRC). Por su parte, actuaron como jurados de tesis el Dr. Guillermo H. Eyhérabide del Instituto Nacional de Tecnología Agropecuaria-UNNOBA, el Dr. Elmer A. Fernández de la Universidad Católica de Córdoba-CONICET y el Dr. Roberto Seiler de la Universidad Nacional de Río Cuarto.

“Tiene gran importancia para nuestro grupo de trabajo y para mi haber culminado este ciclo de formación de cuarto nivel. Es el resultado de años de trabajo y esfuerzo, tanto particular como de los directores de la tesis”, destacó la doctora Ibáñez.

En cuanto a la temática de la investigación consideró que los ensayos multiambientales (EM) permiten evaluar híbridos de maíz (Zea mays L.) a través de localidades y años. Las bases de datos multianuales de EM usualmente son incompletas dado que no todos los híbridos son evaluados en todas las localidades y años. Bajo el mecanismo de datos faltantes que impone la dinámica del mercado de semilla, las estimaciones de varianzas y parámetros genéticos derivadas de modelos de análisis multianuales estimadas en el marco teórico de los modelos lineales mixtos (MLM), son sesgadas.

La profesora explicó que “en este trabajo se evaluó el desempeño de los MLM en la estimación de la magnitud relativa de las componentes de varianza de efectos de genotipo, ambiente e interacción genotipo × ambiente desde bases de datos (multianuales) completas y progresivamente incompletas para determinar la robustez de las estimaciones frente al porcentaje de datos faltantes. También se cuantificó el impacto de los datos faltantes sobre medidas de estabilidad genotípica y sobre los predictores de méritos genético (BLUP) de cada genotipo".

Según precisó: “Los resultados, basados en el análisis multianual de bases de datos de ensayos comparativos de rendimiento de maíz y en simulaciones de bases de datos con faltantes (no completamente aleatorios), mostraron que aún con un 25% de datos faltantes, las relaciones entre las componentes de varianza genotípica y de interacción son conservadas y que, con porcentajes mayores de valores faltantes, la varianza interacción genotipo × ambiente es subestimada. Las medidas de estabilidad derivadas del MLM, permitieron mejorar el ranking de los genotipos con datos faltantes y con datos completos no existieron diferencias de ordenamientos con la clásica varianza de Shukla o CP1 para el estudio de interacción G×E. Las estimaciones de parámetros genéticos como la correlación genética y la estabilidad de la varianza, con más del 20% de datos faltantes, fallaron en recuperar los patrones de las bases de originales (BDC); en el caso de los méritos genéticos con más del 50% datos no se pudo recuperar los porcentajes de coincidencia de los BLUP de las bases de originales”.

Para la docente: el análisis de ensayos multianuales de híbridos de maíz mediante un MLM es beneficioso para la estimación de componentes de varianza y para el análisis del desempeño de los híbridos, tanto en sentido amplio como específico.

En este marco, la profesora Ibáñez expresó su agradecimiento a sus directores “por haberla guiado y acompañado en todo el trayecto de la tesis”, al grupo de trabajo de la cátedra Mejoramiento Genético y al grupo de trabajo de investigación “quienes la ayudaron a alcanzar los objetivos propuestos”.

ÁREA DE COMUNICACIÓN DE AGRONOMÍA Y VETERINARIA