Uma coleção nuclear consiste de um grupo de acessos selecionados para representar a diversidade genética de uma coleção com um mínimo de redundância. Essa estratégia permite priorizar e concentrar a aplicação de recursos de modo a formar uma base de informações mais completa sobre este conjunto de acessos. O objetivo deste estudo foi o desenvolvimento da coleção nuclear de soja e a validação da mesma, utilizando cinco estratégias de amostragem. Foram reunidas todas as informações disponíveis dos dados de passaporte e de caracterização e avaliação de 18 caracteres quantitativos de 15.559 acessos da subcoleção de germoplasma de Glycine max (L.) Merrill, do Departamento de Agricultura dos Estados Unidos (USDA). A intensidade de amostragem para todas as estratégias foi de 10,28%, resultando em 1.600 acessos para cada coleção base obtida. A primeira coleção nuclear foi obtida pela amostragem ao acaso (estratégia A). As outras quatro coleções nucleares foram obtidas através da combinação de dois procedimentos para a escolha do numero de acessos em cada grupo (proporcional e logarítmico) e de dois procedimentos para a escolha dos acessos em cada grupo (amostragem ao acaso e amostragem baseada na analise multivariada dos caracteres quantitativos), gerando as seguintes estratégias: proporcional (P), logarítmica (L), proporcional multivariada (PMV) e logarítmica multivariada (LMV). As estimativas de parâmetros (médias, variâncias e amplitudes de variação), os testes estatísticos e as distribuições de freqüências indicaram haver diferenças entre as cinco coleções nucleares, quando comparados com a coleção base. Porém todas são consideradas aceitáveis para representar a coleção base, visto que mais que 70% das médias e amplitudes das características não foram significativamente diferentes das médias e amplitudes da coleção base. A coleção nuclear desenvolvida pela estratégia A foi a que melhor representou a estrutura genética da coleção base em termos estatísticos. Porém, este tipo de amostragem pode não incluir os acessos cuja proporção na coleção base é pequena. As estratégias P e L, embora não maximizem a representatividade das coleções nucleares em termos estatísticos, atendem melhor aos requisitos do melhoramento genético quanto à preservação da variabilidade. Neste sentido, as estratégias PMV e LMV produziram as duas melhores coleções nucleares, com uma ligeira superioridade da primeira. Estas se caracterizam por manter a máxima variabilidade e o mínimo de redundância dos acessos. Assim, optou-se por formar uma coleação nuclear composta de 1.600 acessos, utilizando a estratégia PMV.

A core collection is a group of accessions selected to represent the genetic variability of the entire germplasm collection of a species with minimum redundancy. Core collection construction is strategic because it allows prioritization of assessment, characterization and resource application in a manageable group of accessions of a species. The main objective of this study was to develop and validate a soybean core collection using five sampling strategies. All the available information was gathered from passport and characterization (qualitative) data and 18 quantitative traits from 15,558 accessions of the Glycine max (L.) Merrill germplasm subcollection from the United States Department of Agriculture (USDA). The sampling intensity for all the strategies was 10.28% resulting in 1,600 accessions for each entire collection obtained. The first core collection was obtained by random sampling (strategy R). The other four core collection were obtained by the combination of two procedures to choose the number of accession in each group (proportion and logarithm) and two procedures to choose the accessions in each group (random sampling and sampling based on multivariate analysis of the quantitative traits) that generated the following strategies: proportional (P), logarithmic (L), proportional multivariate (MVP) and logarithmic multivariate (MVL). The parameter estimates (means, variances and variation amplitudes), the statistical tests and frequency distributions indicated that there were differences among the five core collections compared with the entire collection. But all were considered acceptable to represent the entire collection because more than 70% of the means and amplitudes of the characteristics were not significantly different from the means and amplitudes of the entire collection. The core collection developed by strategy R best represented the genetic structure of the base collection in statistical terms. But this type of sampling may not include the accession whose proportion is small in the entire collection. Strategies P and L, while not maximizing the representativeness of the core collection in statistical terms, were superior in terms of variability preservation for breeding purposes. In this sense, the MVP and MVL strategies produced the two best core collections with the first being slightly superior. The MVP sampling strategy was characterized by maintaining the maximum variability and minimum redundancy of the accessions, and therefore, was chosen to form the soybean core collection consisting of 1,600 accessions.