Phenotyping in multi-environment trials (MET) plays an important role to access the differential response of maize hybrids across target breeding regions due to genotype by environment (GxE) interaction. In this context, an effective model of genomic selection (GS) to predict the performance of untested hybrids in MET is essential to maximize genetic gains and to efficiently allocated the breeding programs' budget. Therefore, the goals of this study were (i) to evaluate the predictive accuracies of GBLUP (Genomic Best Linear Unbiased Prediction) models to predict grain yield performance of unobserved tropical maize single-cross hybrids, using models that consider GxE interaction by fitting a factor analytic (FA) variance-covariance (VCOV) structure, and (ii) to investigate the usefulness of genomic relationship information in combination with different VCOV for genetics and residuals effects, under different levels of unbalanced environments. Predictions were performed for two situations: (CV1) untested hybrids, and (CV2) hybrids evaluated in some environments but missing in others. Phenotypic data of grain yield was measured in 156 maize single-cross hybrids at 12 environments. Hybrids genotypes were inferred based on their parents (inbred lines) via SNP (single nucleotide polymorphism) markers obtained from GBS (genotypingby- sequencing). The procedures and models applied in this study can be easily extended to other crops in which MET plays an important role in the breeding process.

A fenotipagem em ensaios de múltiplos ambientes (MET) tem papel importante para acessar a resposta diferencial de híbridos de milho em diferentes regiões alvo de melhoramento, o que se deve a interação genótipos por ambientes (GxE). Neste contexto, um modelo efetivo de seleção genômica (GS) para predição do desempenho de híbridos não avaliados em MET é essencial para maximizar os ganhos genéticos e alocar eficientemente o orçamento dos programas de melhoramento. Desta forma, os objetivos deste estudo foram (i) avaliar as acurácias preditivas de modelos GBLUP (do inglês, Genomic Best Linear Unbiased Prediction) na predição da produtividade de grãos de híbridos simples de milho tropical não avaliados, usando modelos genético-estatísticos que levam em consideração a interação GxE através de uma estrutura de variância-covariância (VCOV) do tipo fator analítico (FA) e (ii) investigar a utilidade da matriz de parentesco realizada em combinação com diferentes estruturas de VCOV para efeitos genéticos e de resíduos em diferentes níveis de ambientes em desbalanceamento. As predições foram realizadas em duas situações: (CV1) híbridos não avaliados em nenhum ambiente e (CV2) híbridos avaliados em alguns ambientes e em outros não. Foram fenotipados 156 híbridos simples de milho em 12 ambientes para a característica produtividade de grãos. O genótipo dos híbridos foi inferido com base nas informações de marcadores SNP (do inglês, single nucleotide polymorphism) das linhagens parentais, obtidos via GBS (do inglês, genotyping-by-sequencing). Os procedimentos e modelos utilizados neste estudo podem ser facilmente estendidos a outras culturas em que MET desempenha um papel importante no processo de melhoramento.