RESUMO O presente estudo foi conduzido com o objetivo de analisar estrutura de covariância e estimativas de repetibilidade das variáveis relacionadas à produtividade da goiabeira como massa dos frutos (MF), número de frutos (NF) e produção de frutos (PROD) de três safras, em 95 genótipos de uma população segregante. E por meio dos critérios de AIC (Akaike’s Information Criterion) e SBC (Schwarz’s Bayesian Criterion) escolher a estrutura de covariância mais adequada das observações dentro de um mesmo indivíduo. Foi possível incorporar ao modelo estatístico, uma estrutura de covariância entre medidas repetidas, sendo as formas autorregressiva e simetria composta as mais adequadas. Os valores dos coeficientes de repetibilidade obtidos para PF (0,25), NF (0,14) e PROD (0,29) foram considerados baixos, indicando que para a população em estudo as três safras realizadas não foram suficientes para selecionar os melhores indivíduos com maior acurácia. Para as variáveis PF e PROD, a partir de cinco medições seria possível a obtenção de estimativas de acurácias em torno de 0,50. Enquanto que para a variável NF, observou-se que mais safras seriam necessárias. Estes valores indicam que em populações segregantes de goiabeira, avaliações nas primeiras safras, não são suficientes para seleção de genótipos mais estáveis para as variáveis consideradas neste estudo.

ABSTRACT The present study was conducted with the objective of analyzing the covariance structure and repeatability estimates of the variables related to guava productivity, such as fruit weight (FW), fruit number (FN) and fruit production (FP) of three harvests, in 95 genotypes of a segregating population. The study also aims to choose the most appropriate covariance structure of the observations within the same individual by means of AIC (Akaike's Information Criterion) and SBC (Schwarz's Bayesian Criterion) criteria. A covariance structure between repeated measures could be incorporated into the statistical model, with the self-regression and compound symmetry forms being the most adequate. The values of repeatability coefficients obtained for FW (0.25), FN (0.14), and FP (0.29) were considered low, indicating that the three harvests were not sufficient to select the best individuals with greater accuracy for the study population. For the variables PF and FP, estimates of accuracy around 0.50 could be obtained from five measurements, while for the variable FN more harvests would be necessary. These values indicate that in guava-segregating populations, evaluations in the first harvests are not enough to select more stable genotypes for the variables considered in this study.

RESUMO Visando à obtenção de novas variedades de goiaba com atributos superiores, este trabalho foi conduzido e analisado pelo procedimento REML/BLUP, em nível de indivíduos.Foram avaliadas 17 famílias segregantes de goiabeira, seguindo o delineamento experimental de blocos casualizados, com 2 repetições, com 12 plantas por parcela. As famílias foram obtidas após polinizações biparentais controladas. Os indivíduos estudados apresentaram elevada variância genotípica para peso de fruto (PF), produtividade (PRD) e teor de ácido ascórbico (TAA). As magnitudes dos coeficientes de herdabilidade da média das progênies conduziram a um alto valor de acurácia para seleção de progênies para rendimento de polpa (RP), teor de sólidos solúveis (TSS), além de PF, PRD e TAA; moderado para acidez do fruto (AF) e para a relação TSS/AF, e baixo em espessura do mesocarpo (EM) e pH. Averiguou-se que a seleção entre famílias (h2mp) apresentou os maiores valores para PF, RP, PRD, TSS e TAA, mostrando-se que, para o presente estudo, a seleção entre família seria efetiva, já que estas características foram as que permitiram maiores valores de acurácia seletiva entre famílias. Quanto ao ordenamento dos indivíduos, observa-se um destaque para as famílias provenientes do cruzamento entre UENF 1835 x UENF 1834; UENF 1831 x UENF 1832; UENF 1831 x UENF 3739,que ocupam as primeiras posições no rankeamento para a maioria das características.

ABSTRACT Aiming at the generation of new guava varieties with superior attributes, we conducted this study adopting the REML/BLUP procedure at individual level. Seventeen segregating guava families were evaluated in a randomized-block design with two replicates and 12 plants per plot. Families were obtained after controlled biparental pollination. The studied individuals showed high genotypic variance for fruit weight (FW), total yield (YLD), and ascorbic acid content (AAC). The heritability coefficients of the mean of progenies led to high progeny-selection accuracy for pulp yield (PY), soluble solids content (SSC), in addition to FW, YLD, and AAC; moderate accuracy for fruit acidity (FA) and SSC/FA ratio; and low accuracy for mesocarp thickness (MT) and pH. Selection among families (h2mp) indicated the highest values for FW, PY, YLD, SSC, and AAC, revealing that, for the present study, this practice would be effective, since these traits allowed for the highest selection accuracy values among families. As for the ranking of individuals, families originating from crosses UENF 1835 × UENF 1834, UENF 1831 × UENF 1832, and UENF 1831 × UENF 3739 stood out, occupying the first positions for most traits.

RESUMO O presente estudo teve como objetivo avaliar a formação de grupos heteróticos na cultura da goiabeira com base em descritores quantitativos e utilizando uma técnica de bioinformática conhecida como redes neurais artificiais (RNA). Para tanto, foram avaliados oito descritores quantitativos. Foi encontrada ampla variabilidade genética para os oito caracteres quantitativos, em 138 genótipos de goiabeira. A técnica de redes neurais artificiais determinou que o número ideal de grupos foi três. A consistência do agrupamento foi determinada via Análise Discriminante linear, obtendo-se assim percentagem de classificação dos grupos, com valor de 86%. Foi concluído que a metodologia de redes neurais artificiais é eficiente para detectar a divergência genética e na formação de grupos heteróticos.

ABSTRACT The present study aimed at evaluating the heterotic group formation in guava based on quantitative descriptors and using artificial neural network (ANN). For such, we evaluated eight quantitative descriptors. Large genetic variability was found for the eight quantitative traits in the 138 genotypes of guava. The artificial neural network technique determined that the optimal number of groups was three. The grouping consistency was determined by linear discriminant analysis, which obtained classification percentage of the groups, with a value of 86 %. It was concluded that the artificial neural network method is effective to detect genetic divergence and heterotic group formation.

O presente trabalho teve como objetivo quantificar a divergência genética entre 138 acessos de goiabeira procedentes do banco de germoplasma da Universidade Estadual do Norte Fluminense Darcy Ribeiro (UENF), com base em descritores morfológicos, agronômicos e físico-químicos, por meio do procedimento Ward - Modified Location Model (MLM). Para tanto, foram avaliados 13 descritores, sendo cinco qualitativos (coloração da polpa, superfície do fruto, formato do fruto ao final do pedúnculo, largura do pescoço e uniformidade da cor da polpa) e oito quantitativos (massa média do fruto, diâmetro longitudinal do fruto, diâmetro transversal do fruto, rendimento da polpa, teor de sólidos solúveis totais, acidez do fruto, relação teor de sólidos solúveis totais e acidez do fruto e teor de ácido ascórbico). Detectou-se ampla variabilidade genética pelos dados morfológicos, agronômicos e físico-químicos nos 138 acessos de goiaba. Pelo procedimento da função da verossimilhança, determinou-se oito o número ideal de grupos, com um valor de incremento de 67,51. O grupo III foi considerado o mais distante, enquanto os grupos I, II, IV, V e VI, os mais próximos. O procedimento Ward-MLM é uma ferramenta útil para detectar divergência genética e agrupar os acessos utilizando, simultaneamente, variáveis qualitativas e quantitativas.

The present study aimed at evaluating the genetic divergence among 138 guava accessions coming from the Germplasm Collection of the Universidade Estadual do Norte Fluminense Darcy Ribeiro (UENF) based on morphological, agronomic and physic-chemical traits by Ward - Modified Location Model (MLM). Thirteen descriptors were evaluated, five qualitative (flesh color, fruit surface, shape at stalk end , neck width and uniformity of the flesh color) and eight quantitative (fruit weight, fruit diameter, fruit length, pulp revenue, soluble solids contents, total titratable acidity, total soluble solids/total titratable acidity ratio and ascorbic acid). High genetic variability was detected considering morphological, agronomic and physic-chemical traits in the 138 guava accessions studied. The procedure of the likelihood function showed that the ideal numbers of groups was eight, with an increment value of 67.51. Group III was considered the most distant, while groups I, II, IV, V and VI the closest. The Ward- MLM procedure is a useful tool for detecting genetic divergence and cluster accessions using both qualitative and quantitative variables.