Buscando automatizar o processo de identificação de cultivares pelo método de eletroforese de proteínas, o presente trabalho teve por objetivo avaliar a viabilidade da utilização de valores de intensidade das bandas como dados adicionais de polimorfismos na discriminação de cultivares e comparar o comportamento de vários coeficientes de similaridade na análise dos eletroforegramas de gliadinas. Os eletroforegramas de gliadinas de quatro cultivares de triticale estreitamente relacionadas foram comparados pela análise computacional utilizando seis coeficientes de similaridade binários (presença/ausência) (Jaccard, Sorensen-Dice, Nei & Li, Simple Matching, Yule e Baroni-Urbani) e cinco quantitativos (Pearson product moment correlation, Spearman, Percent Similarity, Modified Morisita e Gower). As análises quantitativas dos eletroforegramas levaram em conta a intensidade das bandas, disposta em diferentes números de classes, possibilitando avaliar o efeito da variabilidade desse parâmetro. Foram utilizadas cerca de 60 amostras individuais de sementes de cada cultivar. Apesar do baixo polimorfismo intervarietal, os coeficientes médios de similaridade dentro das cultivares sempre foram maiores do que entre cultivares, o que indica o alto poder discriminatório dos testes. O estudo demonstra a viabilidade de identificar cultivares de triticale pela comparação numérica dos dados de eletroforese de gliadinas, obtidos das amostras, com uma biblioteca de eletroforegramas. Esse procedimento garante uma comparação mais objetiva dos eletroforegramas, em relação à análise visual. Foi constatado também, que a intensidade (densidade) das bandas nos eletroforegramas de gliadinas é muito variável, sendo portanto um parâmetro pouco confiável na análise de polimorfismos de gliadinas em triticale. Ainda com relação ao parâmetro intensidade, há uma perda progressiva na confiabilidade dos resultados de comparação com o aumento no número de classes de intensidade.
Aiming the automatization of cultivar identification by protein electrophoresis, the objective of this work was evaluate the feasibility of using band intensity values as polimorphism aditional data on cultivar discrimination and compare different similarity coefficients on the analysis of gliadins electophoregrams data. Electrophoregrams of gliadinas take from four cultivars of triticale closely related were compared by the computer-assisted analysis using six binary (presence/absence) coefficients of similarity (Jaccard, Sorensen-Dice, Nei & Li, Simple Matching, Yule and Baroni-Urbani) and five quantitative coefficients (Pearson product moment correlation, Spearman, Percent Similarity, Modified Morisita and Gower). The intensity of bands used on the quantitative analysis of electrophoregrams was distributed in different number of classes of intensity, making possible to evaluate the effect of variability on this parameter. It was used about 60 single seed samples of each cultivar. In spite of low inter-varietal polymorphism, the coefficient means within of the cultivars was always greater than between cultivars. That clearly shows the high discriminating power of the tests. With this study we demonstrate the viability of identifying triticale cultivars by the numeric comparison of gliadin electrophoresis data with a library of electrophoregrams. It allows a more objective comparison of the electrophoregrams, comparing to visual analysis. We also found a great variability on intensity (density) data of bands. The parameter intensity is therefore not much reliable on gliadins polymorphism analysis in triticale. Hence about the intensity, there is a progressive lost on reliability of the results as increase the number of intensity classes.