As crescentes preocupações com questões ambientais têm despertado interesse global pelo uso de combustíveis alternativos, e o uso da biomassa vegetal surge como uma alternativa viável para a geração de biocombustíveis. Diferentes materiais orgânicos têm sido utilizados, e dentre eles destaca-se o sorgo biomassa (Sorghum bicolor L. Moench). A seleção genômica apresenta grande potencial e pode, em médio prazo, reestruturar os programas de melhoramento de plantas, promovendo maiores ganhos genéticos quando comparada a outros métodos, além de reduzir significativamente o tempo necessário para o desenvolvimento de novas cultivares, através da seleção precoce. Este trabalho teve como objetivo avaliar modelos de seleção genômica e aplicá-los para a predição dos valores genéticos de indivíduos do painel de sorgo biomassa da Embrapa/Milho e Sorgo. Tal painel inclui materiais do banco de germoplasma e materiais utilizados em programas de melhoramento de sorgo dessa instituição, bem como coleções núcleo do CIRAD e ICRISAT, sendo, portanto, subdividido em dois sub-painéis. As 100 linhagens do sub-painel 1 foram avaliadas fenotipicamente por dois anos (2011 e 2012) e as 100 linhagens do sub-painel 2 por um ano (2011), ambas no município de Sete Lagoas-MG, para as seguintes características fenotípicas: tempo até o florescimento, altura de plantas, produção de massa verde e massa seca, proporções de fibra ácida e neutra, celulose, hemicelulose e lignina. Posteriormente, as 200 linhagens integrantes do painel foram genotipadas através da técnica de genotipagem por sequenciamento. A partir desses dados genotípicos e fenotípicos, os modelos de seleção genômica Bayes A, Bayes B, Bayes Cπ, Bayes Lasso, Bayes Ridge Regression e Random Regression BLUP (RRBLUP) foram ajustados e comparados. As capacidades preditivas obtidas foram elevadas e pouco variaram entre os diversos modelos, variando de 0,61 para o caráter florescimento a 0,85 para a proporção de fibra ácida, quando o modelo RRBLUP foi empregado na análise conjunta dos dois sub-painéis. Por outro lado, a predição cruzada entre sub-painéis resultou em capacidades preditivas substancialmente menores, nunca superiores a 0,66 e em alguns cenários virtualmente iguais a zero, além de apresentar maiores variações entre os modelos ajustados. Simulações do uso de subconjuntos dos marcadores moleculares são apresentadas e indicam possibilidades de obtenção de capacidades preditivas mais elevadas. Análises de enriquecimento funcional realizadas a partir dos efeitos preditos dos marcadores sugeriram associações interessantes, as quais devem ser investigadas com maiores detalhes em estudos futuros, com potencial de elucidação da arquitetura genética dos caracteres quantitativos.

Increased concerns about environmental issues have aroused global interest in the use of alternative fuels, and the use of plant biomass emerges as a viable alternative for the generation of biofuels. Different organic materials have been used, including high biomass sorghum (Sorghum bicolor L. Moench). Genomic selection has great potential and could, in the medium term, restructure plant breeding programs, promoting greater genetic gains when compared to other methods and significantly reducing the time required for the development of new cultivars through early selection. This work aimed at evaluating models of genomic selection and applying them to the prediction of breeding values for a panel of high biomass sorghum genotypes of Embrapa / Milho e Sorgo. This panel includes materials from the gene bank and materials used in sorghum breeding programs of this institution, as well as core collections from CIRAD and ICRISAT, and is therefore divided into two sub-panels. The 100 lines of sub-panel 1 were evaluated phenotypically for two years (2011 and 2012) and the 100 lines of sub-panel 2 for one year (2011), both in the city of Sete Lagoas, Minas Gerais, for the following phenotypic traits: days to flowering, plant height, fresh and dry matter yield and fiber, cellulose, hemicellulose and lignin proportions. Subsequently, the 200 lines were genotyped by via the genotyping by sequencing technique. From these genotypic and phenotypic data, genomic selection models Bayes A, Bayes B, Bayes Cπ, Bayes Lasso, Bayes Ridge Regression and Random Regression BLUP (RRBLUP) were fitted and compared. The predictive capabilities obtained were high and varied little between the different models, ranging from 0.61 for days to flowering to 0.85 for acid fiber, when the RRBLUP model was used on the combined analysis of the two sub-panels. On the other hand, cross prediction between sub-panels resulted in substantially lower predictive capability, never above 0.66 and in some scenarios virtually equal to zero, with greater variations between the fitted models. Simulations of using subsets of molecular markers are presented and indicate possibilities of achieving higher predictive capabilities. Functional enrichment analyses performed with the marker predicted effects suggested interesting associations, which should be investigated in more detail in future studies, with potential for elucidating the genetic architecture of quantitative traits.