📄 agriculture

Genotype × environment interaction, adaptability, and stability of soybean genotypes in a new production region of Brazil

Deze studie maakte gebruik van REML/BLUP- en HMRPGV-methoden om genotype × omgeving-interacties in soja over vijf omgevingen in het noorden van Rio de Janeiro, Brazilië, te analyseren, waarbij de genotypen 95R95IPRO, BMX COMPACTA IPRO en TMG7061IPRO werden geïdentificeerd als superieure kandidaten voor teelt in deze nieuwe productie regio vanwege hun hoge opbrengst, aanpassingsvermogen en stabiliteit.

Oorspronkelijke auteurs: Josimar Nogueira Batista, Derivaldo Pureza Cruz, Yure Pequeno de Souza, Letícia Pastore Mendonça, Pedro Henrique Silva Ferreira, Roni Fernandes Guareschi, Elderson Pereira Silva, Benedito Fernandes So

Gepubliceerd 2026-07-08

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Josimar Nogueira Batista, Derivaldo Pureza Cruz, Yure Pequeno de Souza, Letícia Pastore Mendonça, Pedro Henrique Silva Ferreira, Roni Fernandes Guareschi, Elderson Pereira Silva, Benedito Fernandes Souza Filho, Claudia Pozzi Jantalia, Jerri Édson Zilli, Roberto Kazuhiko Zito, Geraldo Amaral Gravina

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een chef-kok bent die op zoek is naar het perfecte recept voor een cake. Je hebt acht verschillende cakemixen (de soja-genotypes) en je wilt zien welke het lekkerst smaakt. Maar hier komt de crux: je bakt niet in slechts één keuken. Je bakt in vijf verschillende keukens (de omgevingen), elk met een eigen oven-temperatuur, luchtvochtigheid en hoogte.

Deze studie is in essentie een enorme smaaktest om uit te zoeken welke cakemix het beste werkt in deze specifieke Braziliaanse keukens, en welke mixen "veeleisend" zijn (alleen goed in één keuken) versus "veelzijdig" (goed in alle keukens).

Hier is de uitslag van wat de onderzoekers hebben gevonden, gebruikmakend van eenvoudige analogieën:

1. Het Grote Probleem: De "Keuken" Doet Er Meer Toe Dan de "Mix"

De onderzoekers ontdekten iets verrassends: de keuken deed er veel meer toe dan de cakemix.

In wetenschappelijke termen vonden ze een enorme "Genotype × Omgeving" interactie. Denk er zo over na: als je een geweldige hardloper meeneemt en op een modderig parcours zet, kan hij verliezen. Zet je hem op een glad parcours, dan wint hij. De hardloper (de soja) veranderde niet, maar het parcours (de omgeving) veranderde zijn prestaties volledig.

In deze studie veroorzaakten de verschillen in weer en bodem tussen de vijf locaties ongeveer 80% van de variatie in de hoeveelheid soja die de planten produceerden. Dit betekent dat een sojavariëteit die een enorme oogst oplevert in het ene dorp, een minuscule oogst kan opleveren in een dorp slechts 80 kilometer verderop.

2. De Uitdaging: De Toekomst Voorspellen is Moeilijk

Omdat de "keukens" zo verschillend waren, was het erg moeilijk om te voorspellen welke cakemix zou winnen door alleen naar het gemiddelde te kijken. De "nauwkeurigheidsscore" van de onderzoekers om de winnaars te voorspellen was vrij laag (0,18).

Stel je voor dat je probeert te raden wie een race zal winnen waarbij het parcours elke keer verandert als er gerend wordt. Het is een gokje. Dit vertelt ons dat je niet zomaar de "beste" soja kunt kiezen op basis van één test; je moet het in veel verschillende plaatsen testen om het zeker te weten.

3. De Winnaars: De "Alwetende" Kampioenen

Ondanks de chaos van de verschillende omgevingen, gebruikten de onderzoekers een speciale statistische tool (denk aan een super-slimme scheidsrechter) om de soja te vinden die het meest consistent was.

Ze keken naar drie dingen:

Opbrengst: Produceerde het veel bonen?
Stabiliteit: Presteerde het goed, zelfs wanneer het weer vreemd was?
Aanpassingsvermogen: Kon het verschillende omstandigheden aan zonder in te storten?

De Top Drie Kampioenen:

95R95IPRO
BMX COMPACTA IPRO
TMG7061IPRO

Deze drie waren de "all-weather" atleten. Ze wonnen niet alleen in één specifieke keuken; ze produceerden consistent hoge opbrengsten over de verschillende boerderijen en seizoenen heen. Zij waren de meest betrouwbare presteerders.

4. De Verliezers: De "Veeleisende" Variëteiten

Sommige variëteiten, zoals BRS 544RR, hadden het moeilijk. Ze waren als een cakemix die alleen werkt als de oven precies 175 graden is. Als de temperatuur daalde of de luchtvochtigheid steeg, was het resultaat slecht. De studie merkte op dat deze variëteit aanzienlijk minder produceerde dan de anderen, wat het een risicovolle keuze maakt voor boeren in deze nieuwe regio.

5. Het "Magische" Wiskundige Instrument

De onderzoekers gebruikten een methode genaamd REML/BLUP. Je kunt dit zien als een magisch filter.

Gewone wiskunde zegt misschien: "Deze plant produceerde gemiddeld 100 bonen."
Het "Magische Filter" zegt: "Wacht, die plant produceerde 100 bonen, maar de grond was die dag verschrikkelijk. Als de grond normaal was geweest, had hij waarschijnlijk 120 bonen geproduceerd. Laten we de score aanpassen om het werkelijke talent van de plant te reflecteren, niet alleen het pech van het weer."

Dit instrument hielp hen om het werkelijke genetische potentieel van de plant te scheiden van het geluk van het weer.

De Kern van het Verhaal

De studie concludeert dat je in deze nieuwe sojaregio van Brazilië (Noordelijk Rio de Janeiro) niet zomaar blindelings de "beste" sojazaden kunt kiezen. Omdat het weer en de bodem van boerderij tot boerderij sterk verschillen, heb je zaden nodig die stabiel en aanpasbaar zijn.

De variëteiten 95R95IPRO, BMX COMPACTA IPRO en TMG7061IPRO zijn de aanbevolen "all-weather" kampioenen voor dit gebied. Dit zijn de zaden die boeren moeten planten als ze een betrouwbare oogst willen, ongeacht of het seizoen nat, droog, heet of koel is.

Technische Samenvatting: Genotype × Milieu-interactie, Aanpassingsvermogen en Stabiliteit van Sojabonen-genotypes in een Nieuwe Productieregio van Brazilië

Probleemstelling
De productie van sojabonen (Glycine max) in Brazilië breidt zich uit naar nieuwe landbouwfronten, specifelijk de noordelijke en noordwestelijke regio's van de staat Rio de Janeiro, die meer dan 300.000 hectare geschikt bieden voor mechanische teelt. De prestaties van sojabonen-genotypes worden echter sterk beïnvloed door edafoclimatische omstandigheden, wat leidt tot significante genotype × milieu (G×E) interacties. Hoewel statistische methoden zoals gemengde modellen (REML/BLUP) gevestigd zijn voor het beoordelen van stabiliteit en aanpassingsvermogen, is er een gebrek aan onderzoek dat deze specifieke parameters behandelt voor sojabonen-genotypes onder de unieke omstandigheden van de nieuwe productiegebieden in Rio de Janeiro. Deze kloof belemmert de nauwkeurige aanbeveling van cultivars en de optimalisatie van productiestrategieën in dit nieuwe front.

Methodologie
De studie evalueerde acht commerciële sojabonen-genotypes (waaronder cultivars zoals 95R95IPRO, BMX COMPACTA IPRO en BRS 7780IPRO) over vijf verschillende omgevingen. Deze omgevingen werden gedefinieerd door combinaties van twee locaties (Campos dos Goytacazes en Macaé) en twee groeiseizoenen (2019/2020 en 2020/2021). De experimenten maakten gebruik van een gerandomiseerd blokontwerp met vier replicaties.

De data-analyse werd uitgevoerd met de Selegen REML/BLUP software. De studie maakte gebruik van een lineair gemengd model ($y = Xr + Zg + Wi + e$) om variantiecomponenten en genotypische waarden te schatten. De belangrijkste statistische parameters die werden berekend waren:

Variantiecomponenten: Genotypische ( $\sigma^2_g$ ), G×E interactie ( $\sigma^2_{ge}$ ) en residuele ( $\sigma^2_e$ ) varianties.
Genetische parameters: Erfelijke variatie op basis van genotype-gemiddelden ( $\hat{h}^2$ ), selectienauwkeurigheid (SA) en genotypische correlatie tussen omgevingen ( $\hat{r}_{ge}$ ).
Selectie-indices: Om aanpassingsvermogen en stabiliteit te beoordelen, maakte de studie gebruik van het Harmonisch Gemiddelde van Genotypische Waarden (HMGV) voor opbrengst en stabiliteit, de Relatieve Prestatie van Genotypische Waarden (RPGV) voor aanpassingsvermogen, en het Harmonisch Gemiddelde van de Relatieve Prestatie van Genotypische Waarden (HMRPGV) voor de gelijktijdige selectie van opbrengst, stabiliteit en aanpassingsvermogen.

Belangrijkste Resultaten

G×E Interactie: Een significante en dominante G×E interactie werd gedetecteerd, die ongeveer 80% van de fenotypische variantie in korrelopbrengst verklaarde. De genotypische correlatie tussen omgevingen was extreem laag ( $\hat{r}_{ge} = 0,01$ ), wat aangeeft dat de rangschikking van genotypes aanzienlijk verschoof over verschillende omgevingen.
Genetische Parameters: De studie observeerde een lage erfelijkheid voor korrelopbrengst ( $\hat{h}^2 = 0,03$ ) en een lage selectienauwkeurigheid (SA = 0,18), toegeschreven aan de grote invloed van omgevingsfactoren en de sterke G×E interactie. De experimentele variatiecoëfficiënt (CVe) was 10,76%, wat binnen de aanvaardbare limieten valt voor sojabonenproeven.
Genotype Prestaties:
- Totale Opbrengst: De gemiddelde totale korrelopbrengst was 3.281,15 kg ha⁻¹.
- Top Performers: De genotypes 95R95IPRO, BMX COMPACTA IPRO en TMG7061IPRO vertoonden consistent een superieure prestatie.
- Stabiliteit en Aanpassingsvermogen: De HMRPGV-methode identificeerde 95R95IPRO, BMX COMPACTA IPRO en TMG7061IPRO als de top drie genotypes voor gelijktijdige opbrengst, stabiliteit en aanpassingsvermogen.
- Specifieke Winsten: Genotype 95R95IPRO vertoonde de hoogste genetische winst (13,82 kg ha⁻¹) ten opzichte van het algemene gemiddelde wanneer rekening wordt gehouden met interactievrije waarden.
- Omgevingsspecifiteit: Terwijl sommige genotypes (bijv. BRS 7780IPRO) uitblonken in specifieke omgevingen (zoals E2, E3 en E4), behielden de top drie geïdentificeerde door HMRPGV een hoge prestatie over de diverse geteste condities.
- Opbrengstvergelijking: De best presterende genotypes in de Macaé-regio overtroffen de nationale gemiddelde opbrengst van de oogst 2023/2024 (3.202 kg ha⁻¹), waarbij sommige meer dan 6.000 kg ha⁻¹ bereikten in specifieke gunstige omgevingen.

Significantie en Claims
Het artikel stelt dat de waargenomen significante G×E interactie het gebruik van gemengde model-benaderingen (REML/BLUP) in combinatie met stabiliteits- en aanpassingsindices (HMGV, RPGV, HMRPGV) noodzakelijk maakt, in plaats van enkel te vertrouwen op gemiddelde prestaties voor de aanbeveling van cultivars in deze nieuwe regio.

De studie benadrukt dat de genotypes 95R95IPRO, BMX COMPACTA IPRO en TMG7061IPRO over het nodige genetische potentieel beschikken voor brede aanpasbaarheid en stabiliteit in de noordelijke regio van Rio de Janeiro. Deze genotypes worden gepresenteerd als levensvatbare kandidaten voor aanbeveling in veredelingsprogramma's en voor teelt in de doelregio. De auteurs benadrukken dat hoewel gemiddelde prestaties belangrijk zijn, de consistentie van de genotypische expressie over omgevingen heen — gevalideerd door de HMRPGV-methode — cruciaal is voor succesvolle genetische verbetering en de inzet van cultivars in gebieden die worden gekenmerkt door complexe milieu-interacties. De resultaten bevestigen de bruikbaarheid van deze statistische instrumenten bij het ondersteunen van selectiestrategieën voor opkomende sojafronten in Brazilië.