Miscanthus tem potencial como cultura de biomassa, mas o desenvolvimento de variedades consistentemente superiores ao híbrido natural M. × giganteus tem sido desafiador, presumivelmente por causa de fortes interações G × E e pouco conhecimento das complexas arquiteturas genéticas de características subjacentes à produtividade de biomassa e adaptação climática. Enquanto os estudos de mapeamento de ligação e associação estão começando a gerar longas listas de regiões candidatas e até mesmo genes individuais, parece improvável que esta informação possa ser traduzida em seleção assistida por marcadores eficaz para as necessidades de programas de melhoramento. A seleção genômica surgiu como uma alternativa viável, e as precisões de previsão são moderadas em uma variedade de características fenológicas e morfométricas em Miscanthus, embora relativamente baixas para rendimento de biomassa per se.

eslavo et al. propuseram anteriormente uma combinação de seleção de índice e predição genômica como forma de superar as limitações impostas pela complexidade inerente ao rendimento de biomassa. Eles estendem essa abordagem e ilustram seu potencial para atingir múltiplos alvos de reprodução simultaneamente, na ausência de a priori conhecimento sobre sua importância econômica relativa, ao mesmo tempo em que monitora respostas de seleção correlacionadas para características não-alvo. Avaliamos dois cenários hipotéticos de aumento da produção de biomassa em 20% em uma única rodada de seleção. No primeiro cenário, isso é alcançado em combinação com o atraso da floração em 44 dias (aproximadamente 20%), enquanto no segundo, o aumento do rendimento é almejado juntamente com a redução do teor de lignina (-5%) e aumento do teor de celulose (+5%). , em relação aos níveis médios atuais na população reprodutora. Em ambos os cenários, os objetivos foram alcançados de forma eficiente (intensidades de seleção correspondentes à manutenção dos melhores 20 e 4% dos genótipos, respectivamente).

Embora esses cálculos se baseiem em várias suposições, eles destacam a necessidade de avaliar os objetivos de reprodução e considerar explicitamente as respostas correlacionadas in silico, antes de comprometer recursos extensivos. A abordagem proposta é amplamente aplicável para esta finalidade e pode facilmente incorporar dados de fenotipagem de alto rendimento como parte de plataformas de reprodução integradas.