Caracteres quantitativos possuem herança complexa, que envolvem efeitos epistáticos, pleiotrópicos e interação com ambientes. Em razão da importância desses caracteres para o melhoramento genético, diversos estudos sobre sua natureza genética e herança têm sido conduzidos. Nesse contexto, o mapeamento de QTL é uma ferramenta útil, que permite mapear e estimar os efeitos dos locos que controlam os caracteres quantitativos além de obter outras importantes informações, como a ocorrência de QTL pleiotrópicos e interações QTL x ambientes. Os objetivos do presente trabalho foram mapear QTL e obter informações sobre a interação QTL x ambientes, QTL pleiotrópicos e herança de diversos caracteres de importância agronômica em uma população de milho tropical. Foram utilizadas 250 progênies F_2:3 retrocruzadas para ambos os genitores conforme proposto no delineamento III, totalizando 500 progênies, as quais foram avaliadas em até seis ambientes. Para o mapeamento de QTL foi empregado o mapeamento por intervalo composto expandido para múltiplos ambientes ou caracteres (mCIM), considerando um mapa genético com 177 marcadores microssatélite. Os caracteres analisados foram produção de grãos (PG), prolificidade (PROL), peso de 500 grãos (P500), número de fileiras da espiga (NF) e de grãos por fileira (NGF), altura de planta (AP) e espiga (AE), dias para o florescimento feminino (FF) e masculino (FM), número de ramificações do pendão (RP) e stay green (SG). Os resultados das análises do delineamento III indicaram sobredominância para o caráter PG, dominância completa para NGF e dominância parcial para os demais caracteres. Estimativas elevadas de correlações genéticas foram obtidas entre os caracteres PG, PROL, NGF, FF, FM, AP e AE, sugerindo ocorrência de pleiotropia entre tais caracteres. No mapeamento considerando múltiplos ambientes foram mapeados 260 QTL para os onze caracteres analisados, distribuídos por todos os cromossomos do milho. O grau médio de dominância dos QTL foi de sobredominância para PG e AP, e dominância completa ou parcial para os demais caracteres. Devido ao desequilíbrio de ligação nesta população e ao modelo de mapeamento empregado, as estimativas que indicaram sobredominância foram, provavelmente, superestimadas. Para os caracteres PG, NF, NGF, P500, AE e SG, a maioria dos QTL mapeados interagiu significativamente com ambientes, indicando que experimentos conduzidos em vários locais e anos são necessários para identificar genótipos e QTL estáveis. Esses resultados sugerem que devido à elevada interação QTL x ambientes dos caracteres avaliados, os programas de melhoramento e a utilização de seleção assistida por marcadores (SAM) devem ser direcionados para ambientes específicos. No mapeamento de múltiplos caracteres foram identificados 43 QTL com efeitos significativos para dois ou mais caracteres analisados, distribuídos em todos os cromossomos do milho. A quantidade de QTL pleiotrópicos para combinações entre pares de caracteres não foi consistente com as magnitudes das correlações observadas. Em geral, para cada caráter, os QTL pleiotrópicos apresentaram magnitudes e graus de dominância distintos. Portanto, embora diversos QTL pleiotrópicos tenham sido mapeados, suas magnitudes e efeitos distintos para cada caráter indicaram grande complexidade da natureza genética das correlações, constituindo-se em um desafio para uso das informações desses QTL na SAM visando o melhoramento de múltiplos caracteres.

Quantitative traits have complex inheritance, including effects of epistasis, pleiotropy and interaction with environments. Due to the importance of these traits for plant breeding, many studies on their inheritance have been conducted. In this context, QTL mapping is a useful tool that allows mapping and estimating the effects of loci that control the quantitative traits besides obtaining other important information, such as the occurrence of pleiotropic QTL and QTL x environments interactions. The aims of the present study were to map QTL, obtain information about the QTL x environments interaction and the pleiotropic QTL of several relevant traits in a tropical maize population, using the design III. Two hundred and fifty F_2:3 progenies backcrossed to both parents were used as proposed in the design III, totaling 500 progenies, which were evaluated in up to six environments. The components of the genetic variances and average degree of dominance were estimated using the design III. The QTL mapping was performed considering a genetic map with 177 microsatellite markers and the multi-trait composite interval mapping (mCIM). The evaluated traits were: grain yield (GY), prolificacy (PROL), 500 kernel weight (W500), kernel row number (KRN), number of kernel per row (NK), plant height (PH), ear height (EH), days to silk emergence (DS), days to anthesis (DA), number of tassel branches (NTB) and stay green (SG). The results from design III indicated occurrence of overdominance for GY, complete dominance for NK and dominance for the others traits. Higher genetic correlations were observed among GY, PROL, NK, DS, DA, PH and EH, suggesting occurrence of pleiotropy. The QTL mapping for multiple environments mapped 260 QTL for the eleven analyzed traits, distributed in all chromosomes. The average degree of QTL dominance was overdominance for GY and PH, and complete or partial dominance for the other traits. Estimates that indicated overdominance are probably biased due to the linkage disequilibrium in this population and the mapping model employed. For GY, KRN, NK, W500, EH and SG, most mapped QTL interacted significantly with environments, indicating that it is necessary to conduct experiments at many locations and years to identify stable QTL. These results suggests that, due to high number of QTL that showed significant interaction with the environment, assisted marker selection (MAS) must be targeted to specific geographic regions. The QTL mapping for multiple traits identified 43 pleiotropic QTL for two or more analyzed traits, distributed in all chromosomes of maize. The amount of pleiotropic QTL for combinations of pairs of traits was not consistent with the magnitudes of the observed correlations. In general, for each trait, the pleiotropic QTL exhibited different magnitude and estimate of the degree of dominance. Although several pleiotropic QTL have been mapped, their distinct magnitudes and effects on each trait indicated the great complexity of the genetic nature of the correlations, constituting a challenge to use QTL information in the MAS for simultaneous improvement of multiple traits.