RESUMO O presente estudo foi conduzido com o objetivo de analisar estrutura de covariância e estimativas de repetibilidade das variáveis relacionadas à produtividade da goiabeira como massa dos frutos (MF), número de frutos (NF) e produção de frutos (PROD) de três safras, em 95 genótipos de uma população segregante. E por meio dos critérios de AIC (Akaike’s Information Criterion) e SBC (Schwarz’s Bayesian Criterion) escolher a estrutura de covariância mais adequada das observações dentro de um mesmo indivíduo. Foi possível incorporar ao modelo estatístico, uma estrutura de covariância entre medidas repetidas, sendo as formas autorregressiva e simetria composta as mais adequadas. Os valores dos coeficientes de repetibilidade obtidos para PF (0,25), NF (0,14) e PROD (0,29) foram considerados baixos, indicando que para a população em estudo as três safras realizadas não foram suficientes para selecionar os melhores indivíduos com maior acurácia. Para as variáveis PF e PROD, a partir de cinco medições seria possível a obtenção de estimativas de acurácias em torno de 0,50. Enquanto que para a variável NF, observou-se que mais safras seriam necessárias. Estes valores indicam que em populações segregantes de goiabeira, avaliações nas primeiras safras, não são suficientes para seleção de genótipos mais estáveis para as variáveis consideradas neste estudo.

ABSTRACT The present study was conducted with the objective of analyzing the covariance structure and repeatability estimates of the variables related to guava productivity, such as fruit weight (FW), fruit number (FN) and fruit production (FP) of three harvests, in 95 genotypes of a segregating population. The study also aims to choose the most appropriate covariance structure of the observations within the same individual by means of AIC (Akaike's Information Criterion) and SBC (Schwarz's Bayesian Criterion) criteria. A covariance structure between repeated measures could be incorporated into the statistical model, with the self-regression and compound symmetry forms being the most adequate. The values of repeatability coefficients obtained for FW (0.25), FN (0.14), and FP (0.29) were considered low, indicating that the three harvests were not sufficient to select the best individuals with greater accuracy for the study population. For the variables PF and FP, estimates of accuracy around 0.50 could be obtained from five measurements, while for the variable FN more harvests would be necessary. These values indicate that in guava-segregating populations, evaluations in the first harvests are not enough to select more stable genotypes for the variables considered in this study.

RESUMO Visando à obtenção de novas variedades de goiaba com atributos superiores, este trabalho foi conduzido e analisado pelo procedimento REML/BLUP, em nível de indivíduos.Foram avaliadas 17 famílias segregantes de goiabeira, seguindo o delineamento experimental de blocos casualizados, com 2 repetições, com 12 plantas por parcela. As famílias foram obtidas após polinizações biparentais controladas. Os indivíduos estudados apresentaram elevada variância genotípica para peso de fruto (PF), produtividade (PRD) e teor de ácido ascórbico (TAA). As magnitudes dos coeficientes de herdabilidade da média das progênies conduziram a um alto valor de acurácia para seleção de progênies para rendimento de polpa (RP), teor de sólidos solúveis (TSS), além de PF, PRD e TAA; moderado para acidez do fruto (AF) e para a relação TSS/AF, e baixo em espessura do mesocarpo (EM) e pH. Averiguou-se que a seleção entre famílias (h2mp) apresentou os maiores valores para PF, RP, PRD, TSS e TAA, mostrando-se que, para o presente estudo, a seleção entre família seria efetiva, já que estas características foram as que permitiram maiores valores de acurácia seletiva entre famílias. Quanto ao ordenamento dos indivíduos, observa-se um destaque para as famílias provenientes do cruzamento entre UENF 1835 x UENF 1834; UENF 1831 x UENF 1832; UENF 1831 x UENF 3739,que ocupam as primeiras posições no rankeamento para a maioria das características.

ABSTRACT Aiming at the generation of new guava varieties with superior attributes, we conducted this study adopting the REML/BLUP procedure at individual level. Seventeen segregating guava families were evaluated in a randomized-block design with two replicates and 12 plants per plot. Families were obtained after controlled biparental pollination. The studied individuals showed high genotypic variance for fruit weight (FW), total yield (YLD), and ascorbic acid content (AAC). The heritability coefficients of the mean of progenies led to high progeny-selection accuracy for pulp yield (PY), soluble solids content (SSC), in addition to FW, YLD, and AAC; moderate accuracy for fruit acidity (FA) and SSC/FA ratio; and low accuracy for mesocarp thickness (MT) and pH. Selection among families (h2mp) indicated the highest values for FW, PY, YLD, SSC, and AAC, revealing that, for the present study, this practice would be effective, since these traits allowed for the highest selection accuracy values among families. As for the ranking of individuals, families originating from crosses UENF 1835 × UENF 1834, UENF 1831 × UENF 1832, and UENF 1831 × UENF 3739 stood out, occupying the first positions for most traits.

RESUMO O presente estudo teve como objetivo avaliar a formação de grupos heteróticos na cultura da goiabeira com base em descritores quantitativos e utilizando uma técnica de bioinformática conhecida como redes neurais artificiais (RNA). Para tanto, foram avaliados oito descritores quantitativos. Foi encontrada ampla variabilidade genética para os oito caracteres quantitativos, em 138 genótipos de goiabeira. A técnica de redes neurais artificiais determinou que o número ideal de grupos foi três. A consistência do agrupamento foi determinada via Análise Discriminante linear, obtendo-se assim percentagem de classificação dos grupos, com valor de 86%. Foi concluído que a metodologia de redes neurais artificiais é eficiente para detectar a divergência genética e na formação de grupos heteróticos.

ABSTRACT The present study aimed at evaluating the heterotic group formation in guava based on quantitative descriptors and using artificial neural network (ANN). For such, we evaluated eight quantitative descriptors. Large genetic variability was found for the eight quantitative traits in the 138 genotypes of guava. The artificial neural network technique determined that the optimal number of groups was three. The grouping consistency was determined by linear discriminant analysis, which obtained classification percentage of the groups, with a value of 86 %. It was concluded that the artificial neural network method is effective to detect genetic divergence and heterotic group formation.

O objetivo deste trabalho foi avaliar a distância genética entre 37 acessos da espécie cultivada Psidium guajava, L. (goiaba) e de araçás do gênero Psidium do banco de germoplasma da Universidade Estadual do Norte Fluminense (UENF), via marcadores moleculares ISSR. Nos 17 marcadores selecionados, foram obtidas 216 bandas polimórficas. Pelo método de agrupamento UPGMA, houve a formação de cinco principais grupos. Os acessos de araçá da espécie P. cattleyanum Sabine , ficaram alocados nos grupos I e II. No grupo II, foi observada, dentro da espécie P cattleyanum, maior proximidade com a goiabeira. No grupo III, ficou alocado o acesso da espécie P. guineense Sw (araçá-do-campo) e dentre os araçás, foi o que ficou mais próximo da goiaba. Os genótipos de goiabeira ficaram alocados do grupo IV e V, confirmando sua alta divergência. Os marcadores moleculares foram eficientes em estimar a distância genética intra e interespecífica.

The objective of this study was to evaluate the genetic distance among 37 accessions of cultivated species Psidium guajava, L. (guava) and Araçás to the genus Psidium to the germplasm colection of the Universidade Estadual Norte Fluminense (UENF) by ISSR molecular markers. In the 17 selected markers, 216 polymorphic bands were obtained. By UPGMA method there was the formation of five main clusters. Accessions of araçá species, P. cattleyanum Sabine, were allocated in groups I and II. In group II was observed within the species P cattleyanum, closer to the guava. In group III was allocated the genotypes of the species P. guineense Sw (araçá-do-campo) and among the araçás, was the most closest to the guava. The guava genotypes were allocated to Group IV and V, confirming their high divergence. Molecular markers were efficient in evaluating intra and interspecific genetic distance for these species.

O presente trabalho teve como objetivo quantificar a divergência genética entre 138 acessos de goiabeira procedentes do banco de germoplasma da Universidade Estadual do Norte Fluminense Darcy Ribeiro (UENF), com base em descritores morfológicos, agronômicos e físico-químicos, por meio do procedimento Ward - Modified Location Model (MLM). Para tanto, foram avaliados 13 descritores, sendo cinco qualitativos (coloração da polpa, superfície do fruto, formato do fruto ao final do pedúnculo, largura do pescoço e uniformidade da cor da polpa) e oito quantitativos (massa média do fruto, diâmetro longitudinal do fruto, diâmetro transversal do fruto, rendimento da polpa, teor de sólidos solúveis totais, acidez do fruto, relação teor de sólidos solúveis totais e acidez do fruto e teor de ácido ascórbico). Detectou-se ampla variabilidade genética pelos dados morfológicos, agronômicos e físico-químicos nos 138 acessos de goiaba. Pelo procedimento da função da verossimilhança, determinou-se oito o número ideal de grupos, com um valor de incremento de 67,51. O grupo III foi considerado o mais distante, enquanto os grupos I, II, IV, V e VI, os mais próximos. O procedimento Ward-MLM é uma ferramenta útil para detectar divergência genética e agrupar os acessos utilizando, simultaneamente, variáveis qualitativas e quantitativas.

The present study aimed at evaluating the genetic divergence among 138 guava accessions coming from the Germplasm Collection of the Universidade Estadual do Norte Fluminense Darcy Ribeiro (UENF) based on morphological, agronomic and physic-chemical traits by Ward - Modified Location Model (MLM). Thirteen descriptors were evaluated, five qualitative (flesh color, fruit surface, shape at stalk end , neck width and uniformity of the flesh color) and eight quantitative (fruit weight, fruit diameter, fruit length, pulp revenue, soluble solids contents, total titratable acidity, total soluble solids/total titratable acidity ratio and ascorbic acid). High genetic variability was detected considering morphological, agronomic and physic-chemical traits in the 138 guava accessions studied. The procedure of the likelihood function showed that the ideal numbers of groups was eight, with an increment value of 67.51. Group III was considered the most distant, while groups I, II, IV, V and VI the closest. The Ward- MLM procedure is a useful tool for detecting genetic divergence and cluster accessions using both qualitative and quantitative variables.

O estudo da diversidade genética é de fundamental importância na seleção preliminar de acessos com características superiores e a utilização desses materiais com sucesso em programas de melhoramento genético. O objetivo deste trabalho foi avaliar, como estratégia de análise da diversidade genética, a técnica de bioinformática denominada rede neural artificial. Foi considerada a média de três épocas de plantio, oito caracteres quantitativos e trinta e sete acessos de mamoeiro, utilizando-se o delineamento em blocos casualizados com duas repetições. Com base na análise discriminante de Anderson, 91,90 % dos acessos foram classificados corretamente nos grupos previamente definidos pela rede neural artificial. Concluiu-se que a técnica de rede neural artificial se demonstrou viável na classificação dos acessos. Observou-se a presença significativa de diversidade genética entre os acessos avaliados.

The study of genetic diversity is fundamental in the preliminary selection of accessions with superior characteristics and for a successful use of these genotypes in breeding programs. The purpose of this study was to evaluate, as a strategy for genetic diversity analysis, the bioinformatics approach called artificial neural network. Based on the average of three growing seasons, eight quantitative traits and thirty-seven papaya accessions were evaluated in a randomized complete block design, with two replications. By Anderson's discriminant analysis, 91.90 % of the accessions were correctly classified in the groups previously defined by artificial neural network. It was concluded that the technique of artificial neural network is feasible to classify the accessions. The presence of significant genetic diversity among accessions was observed.