Lectura 1B

Diversidad genética y relaciones en las adhesiones de diferentes grupos de cultivares y orígenes en el tomate de árbol (Solanum betaceum Cav.)

Pablo Acosta¹, Santiago Vilanova², Jaime Prohens² y Juan Martínez³

¹Universidad Técnica Particular de Loja. Departamento de Ciencias Agropecuarias y de Alimentos, Loja, Ecuador.
²Universidad Politécnica de Valencia. Institute for the Conservation and Improvement of Valencian Agro-diversity (COMAV). España.
³Universidad Politécnica de Madrid. Departamento de Biología Vegetal. Madrid, España.

 

Abstract. The tree tomato Solanum betaceum is an Andean tree that is cultivated for its juicy fruit, however, there is little information on plant genetic resources and the reproduction of this crop. For this reason, molecular variability was studied with AFLP markers using 11 primer combinations from a collection of 25 S. betaceum belonging to four cultivar groups, and one accession from the wild relative S. cajanumense. Of the 197 AFLP fragments, 43% were polymorphic, 40% if S. cajanumens is excluded, unique AFLP fragments were found for each accession, but no specific fragments were found in any of the accessions. Genetic differentiation between cultivars was low (GRAMO S_T = 0.2248), which was equaled by the low values ​​of genetic distance between cultivars. The diversity of collections in Ecuador is a diverse center for the tree tomato, the results obtained showed a low and not significant correlation coefficient, making Ecuador be considered a center of diversity for the tree tomato.

 

KEYWORDS: AFLPs / CONSERVATION / CULTIVAR GROUPS / GENETIC RESOURCES / SOLANUM BETACEUM / TREE TOMATO

1.           Introducción

El tomate de árbol S. betaceum, conocido como tamarillo, es cultivado por sus frutos comestibles, tiene un gran contenido de ácido ascórbico y actividad oxidante (Vasco et al., 2009). En Nueva Zelanda, se presentó como una fruta exótica la cual a aumentando durante las últimas décadas, tanto su producción como exportación (Boyes and Strubi 1997; Prohens and Nuez, 2000).  
    El estudio acerca de la diversidad, la conservación y la reproducción del tomate de árbol ha sido restringido (Bohs, 1989; Pringle and Murray 1991; Cohen y Col, 2000; Enciso-Rodríguez et al., 2010; Acosta-Quezada et al., 2011). Existen dos estudios acerca de la morfología logía (Acosta-Quezada et al., 2011), y molecular (Enciso Rodríguez et al., 2010) número de accesiones.
    De acuerdo al estudio morfológico se desarrolló 39 descriptores cuantitativos con el fin de calcular la diversidad, en 24 accesiones de este cultivo que van en cinco grupos de distintos países (Acosta-Quezada et al., 2011). Entre estas accesiones se identificaron características agronómicas, se localizó una diversidad en las accesiones en la mayoría de sus descriptores con un alto grado de variación, y heredabilidad. Sumando a esto la baja diferenciación morfológica entre los grupos de cultivares (Enciso-Rodríguez et al., 2010). Se desarrolló 26 accesiones de origen colombiano, con cinco marcadores nucleares ortólogos polimórficos. Usando los marcadores establecidos se detectó un alto valor de homocigosidad y diferenciación genética, entre accesiones. Este estudio se enfoca en la variación AFLP a través del uso en las accesiones de acuerdo a su morfología (Acosta-Quezada et al., 2011). Debido a la escasa información genómica para este cultivo no se ha logrado desarrollar marcadores SSR o SNP sino se utilizó marcadores AFLP, que no requieren información genómica previa (Meudt and Clarke, 2007).

    El beneficio de los AFLP es que en cada ejecución se puede determinar un numero de fragmentos que tiene mayor reproducibilidad que otros marcadores como los RAPD, sin solicitar información genómica (Powell et al., 1996; Jones and Col, 1997). Toda la información adquirida será importante para la conservación de recursos genéticos además de ayudar a identificar estrategias de mejoramiento y oportunidades para el tomate de árbol.

2.   Materiales y métodos

2.1. Material vegetal

Un agregado de 26 aumentos de tomate de árbol, de los cuales 25 se relacionan con S. betaceum cultivado, y uno con el pariente silvestre S. cajanumense Kunth (grupo externo), se utilizaron para la representación de AFLP (Tabla 1). Las promociones desarrolladas tienen un lugar con cuatro racimos de cultivares caracterizados por Acosta-Quezada et al., (2011) son: naranja, naranja puntiaguda, morada y roja. 22 de los aumentos de S. betaceum utilizados aquí ya fueron retratados morfológicamente (Acosta-Quezada et al., 2011).
    El material vegetal utilizado en este examen fue inicialmente recolectado en 7 naciones y entregado por los bancos de germoplasma de la Universidad Técnica Particular de Loja (UTPL) en Ecuador y de la Universidad Politécnica de Valencia (UPV) en España; Se eligió el material para representar una variedad combinada de especies de cultivares y puntos de partida geológicos, y se hizo una acentuación única al incluir promociones ecuatorianas, ya que se ha contabilizado una amplia variedad en esta nación (Bohs, 1989). Se recordó una gran cantidad de promociones ecuatorianas para aprender la variedad presente en esta nación en contraste con la de diferentes raíces, que involucran a Perú, Colombia, Bolivia, Nueva Zelanda, Portugal y España (Tabla 1).

Tabla 1. Accesiones de tomate de árbol estudiadas, grupo de cultivares, origen (incluyendo provincia o departamento y país) y disponibilidad de datos de caracterización morfológica (Acosta-Quezada et al., 2011).

2.2. Caracterización molecular

Para cada aumento, el ADN genómico se desprendió de una mezcla de hojas juveniles de 5 plantas utilizando la técnica CTAB (bromuro de cetil trimetil amonio) (Doyle y Doyle, 1987). La densidad del ADN se evaluó en agarosa, y la mezcla de catalizador EcoRI y MseI procesó una prueba de ADN de 0,1 lg a 37ºC durante 2,5 h. La ligadura se realizó con el kit de reactivos básicos AFLP (Invitrogen Corp., Carlsbad, California, EE. UU.) Siguiendo las instrucciones del productor. Después de la ligadura, la mezcla de respuesta se debilitó 1:10 en tampón Tris-EDTA (TE).
    Para la mejora pre-selectiva, se añadió una alícuota de 5 µl de la dilución de ADN 1:10 a una disposición de 25 µl que contenía 2.5 µl de 109 soportes, 1 µl de MgCl (25 mM), 0.5 µl de base EcoA (10 mM), 0.5 µl de MseC preliminar (10 mM), 1.0 µl de dNTP (10 mML) y 0.8 U de Taq polimerasa (Roche, Basilea, Suiza). Después de la preamplificación, el ADN se debilitó en otro momento 1:10 en el cojín TE. La intensificación específica se realizó en 2 µl partes alícuotas de la disposición anterior utilizando once mezclas de iniciadores (Tabla 2). Las piezas de ADN se aislaron en un analizador hereditario ABI/PRISM 377 (Applied Biosystems, Foster City, California, EE. UU.). Las piezas obtenidas se puntuaron como atributos paralelos (1 = presente, 0 = faltante) utilizando Genographer v. 2.1.4 (Benham et al., 1999). 

Tabla 2 Cebadores selectivos, enzima de restricción, secuencia y marcador fluorescente para los cebadores oligonucleotídicos pre-selectivos y selectivos utilizados en la caracterización de AFLP

2.3. Análisis de los datos

Las semejanzas hereditarias por pares se evaluaron con el coeficiente de comparabilidad Sij = 2a/(2a + b + c), donde a es la cantidad de grupos compartidos por i y j, b es la cantidad de grupos presentes en i y faltantes en j, y c es la cantidad de grupos presentes en j y desaparecidos en i (Mohammadi and Prasanna 2003). 
    Las cuadrículas de similitud hereditarias se utilizaron para crear una estrategia de grupo de pares no ponderados que utiliza el fenograma de malabarismo numérico (UPGMA) (Sneath and Sokal 1973). La integridad del ataque del fenograma se evaluó con el coeficiente de conexión cophenetic utilizando la prueba de Mantel (1967), asimismo, se realizó una investigación de arreglos principales (PCoA). Los exámenes UPGMA y PCoA se llevaron a cabo utilizando el paquete de programación NTSYSpc2.0 (Applied Biostatistics Inc., Setauket, NY, EE. UU.).

La variedad genética en los grupos de cultivares de S. betaceum (naranja, puntiaguda naranja, roja y morada) y en varias raíces geográficas se evaluó con la variedad decente hereditaria (H_T) total (Nei, 1973). Toda la variedad surtida se dividió en variedad decente entre las reuniones (D_ST) y dentro (H_S). El tamaño general de la separación hereditaria entre reuniones (G_ST) se determinó como la proporción D_ST/H_T (Nei,

1973). Según Nei (1972). determinó las separaciones hereditarias entre los racimos de cultivares de S. betaceum. Las estimaciones de la variedad decente hereditaria y las separaciones hereditarias para los racimos de cultivares se realizaron utilizando la programación POPGENE 3.2 (Yeh y Boyle 1997).

    Para contemplar la conexión entre los contrastes morfológicos por (Acosta-Quezada et al.2011) y subatómicos (utilizando información AFLP de este trabajo) entre los aumentos, se realizó una prueba de Mantel (1967), al observar la separación (Euclidiana) matriz basada en datos morfológicos y la matriz de distancia genética para las 22 promociones de S. betaceum utilizadas en las dos investigaciones. Los recuentos se realizaron utilizando la programación NTSYSpc2.0.

3.           Resultados y Discusión

3.1.        Análisis AFLP

Para los cultivares de S. betaceum, se encontró diferencias de los 78 marcadores polimórficos AFLP entre las 11 combinaciones de cebadores obtenidas (Meudt and Clarke, 2007), por cada combinación se obtuvo una huella genética única para cada adhesión, siendo útil para la identificación de cultivos y germoplasma silvestre (Kardolus et al. 1998; Furini y Wunder 2004; Blanca y col. 2007), de los cuales 84 (43%) fueron informativos. Según el coeficiente de dados (Fig. 1), tomando solo las accesiones cultivadas, el número de diferencias entre las adhesiones oscilaron entre 41 para adhesiones y 7 para accesiones A39 y A40, ambas pertenecientes al grupo morado.
    Excluyendo la naturaleza S. cajanumense, la accesión salvaje pariente A15, el número de loci polimórficos fue de 78 (40%), debido a que presentada un fragmento AFLP que estaba ausente del cultivo y carecía de cinco fragmentos AFLP específicos y universales para S. betaceum.

Fig. 1 UPGMA fenograma de 25 accesiones cultivadas de tomate de árbol (S. betaceum) y uno salvaje (S. cajanumense) basado en marcadores AFLP (según el coeficiente de dados).

3.2.        Diversidad genética

La diversidad genética encontrada fue considerable ya que el total de las 26 accesiones excluyendo la accesión salvaje A15, fue de H_T = 0.2904 (Tabla 3) y dentro de los cuatro grupos de cultivares de S. betaceum, la diferenciación genética fue relativamente baja (G_ST = 0.2248), Sin embargo, una parte importante de la diversidad en la especie podría ser preservada conservando solo unas pocas accesiones, incluso si pertenecen al mismo grupo de cultivares. Considerando el origen geográfico, el material recolectado en Ecuador se encontró (H_T = 0.2884) similar a la del resto de orígenes combinados, lo que demuestra que contiene un centro de acumulación con un alto nivel de diversidad para tomate de árbol (Harlan, 1992). La acumulación de diversidad y la baja diferenciación genética entre orígenes geográficos puede ser consecuencia de un intercambio prolongado del comercio de semillas y frutas entre diferentes regiones o también, la gran variedad de diferentes ambientes y microclimas a lo largo de la región andina, incluso dentro de la misma área geográfica.

 Tabla 3. Estadísticas de diversidad genética de 25 accesiones de tomate de árbol cultivado (S. betaceum) estimado a partir de datos de AFLP, agrupados según grupos de cultivares (naranja, naranja puntiaguda, naranja, morado y rojo) y al origen geográfico (Ecuador vs. otros orígenes)

H_T diversidad genética total, D_ST entre grupos diversidad genética, H_S dentro de los grupos diversidad genética, G_ST magnitud relativa de diferenciación genética entre grupos.

3.3.        Análisis multivariable

El análisis realizado entre las especies silvestres y S. betacum (Fig. 1) encontramos que para el caso A15 se separa del resto (S. cajanumense), al igual que A26 correspondiente a grupo de cultivares rojos que fueron recolectados en Ecuador. Por otro lado, la rama que contiene 24 accesiones restantes se subdivide en otras dos sub-ramas, una de las cuales contiene sólo dos accesiones (A39 y A40) correspondientes Nueva Zelandia mientras que la otra sub-rama, con 22 accesiones, revela que las accesiones de los diferentes grupos de cultivares u orígenes se entremezclan. Según Rohlf (1996), menciona que una buena concordancia entre el fenograma y las distancias genéticas entre pares de adhesiones serian   un coeficiente alto de correlación, en este caso la matriz copogenética del fenograma UPGMA y la de las distancias genéticas fue de 0,95 por ende cumple con lo mencionado.

Fig. 2 Distribución de 25 tomates de árbol cultivados (S. betaceum) y uno salvaje pariente (S. cajanumense) accesiones, de acuerdo con el primero (PCo1) y segundo (PCo2) principales coordenadas (a), y en el primero y tercero (PCo3) coordenadas principales (b) de PCoA basado en genética similitudes obtenidas de Marcadores AFLP. PCo1, PCo2 y PCo3 representan 21.5, 13.1 y 7.7%, respectivamente, del total variación. 

Un análisis del PCoA excluye el A15 (S. cajanumense) y A26 (grupo rojo, de Ecuador) del resto de accesiones. Los tres primeros componentes del PCoA representaron el 21,5, el 13,1 y el 7,7% de la variación total según la (Fig. 2). Según este análisis presenta una amplia gama de valores de las coordenadas segunda y tercera, pero como ocurre en el fenograma UPGMA, no hay una separación evidente de las accesiones por grupo de cultivares u origen geográfico

3.4.        Comparación entre la caracterización morfológica y molecular

La correlación obtenida de 22 adhesiones de S. betaceum fue de -0,024, un valor muy bajo y no significativo (P\0,05) esto permitió estudiar matrices de distancias morfológicas y AFLP y las similitudes de AFLP.

4.           Conclusión

El uso de la técnica molecular AFLP ha demostrado ser apropiada para el presente estudio al momento de revelar la diversidad génica, la relación dentro y entre diferentes orígenes de grupos de cultivares de tomate de árbol estudiados, los mismos que presentan un bajo nivel de diferenciación. Por otro lado, la diversidad encontrada en los cultivares ecuatorianos podría indicar que sería el centro de acumulación del tomate de árbol, a pesar de que Bolivia es considerada el centro de origen de este cultivo. Finalmente, la falta de correlación entre la morfología y el AFLP muestra que en el tomate de árbol en ambos tipos de datos son complementarios. Por ende, las accesiones estudiadas representan una amplia gama de procedencias a lo largo de la Región Andina y los datos expuestos en dichos análisis son de interés al momento de conservar los recursos génicos y al mejoramiento del cultivo andino que por varias décadas ha sido desplazado y poco analizado.

5.           Referencias

Acosta-Quezada, PG., Martínez-Laborde, JB., Prohens, J. (2011). Variation among tree tomato (Solanum betaceum Cav.) accessions from different cultivar groups: implications for conservation of genetic resources and breeding. Genet Resour Crop E vol 58:943–960

Benham, J., Jeung, J. U., Jasieniuk, M., Kanazin, V., & Blake, T. (1999). Genographer: a graphical tool for automated fluorescent AFLP and microsatellite analysis. Journal of Agricultural Genomics, 4(3).

Blanca, J. M., Prohens, J., Anderson, G. J., Zuriaga, E., Cañizares, J., & Nuez, F. (2007). AFLP and DNA

sequence variation in an Andean domesticate, pepino (Solanum muricatum, Solanaceae): implications for evolution and domestication. American Journal of Botany, 94(7), 1219-1229.

Bohs, L. (1989). Ethnobotany of the genus Cyphomandra (Solanaceae). econ. Bot, 4, 143-163.

Boyes, S., Strubi, P. (1997). Organic acid and sugar composition of three New Zealand grown tamarillo varieties (Solanum betaceum (Cav.)). Crop Hortic Sci.

Cohen, D., Van den Brink, RC., MacDiarmid, RM., Beck, DL, Forster RLS. (2000). Resistance to Tamarillo mosaic virus in transgenic tamarillos and expression of the transgenes in F1 progeny. Acta Hortic 521:43–49.

Doyle, JJ., Doyle, JL. (1987). A rapid isolation procedure for small quantities of fresh leaf tissue.

Phytochem Bull 19:11–15

Enciso-Rodríguez, F., Martínez, R., Lobo, M., & Barrero, L. S. (2010). Genetic variation in the Solanaceae fruit bearing species lulo and tree tomato revealed by Conserved Ortholog (COSII) markers. Genetics and molecular biology, 33(2), 271-278.

Furini, A., & Wunder, J. (2004). Analysis of eggplant (Solanum melongena)-related germplasm: morphological and AFLP data contribute to phylogenetic interpretations and germplasm utilization. Theoretical and Applied Genetics, 108(2), 197-208.

Harlan JR (1992) Crops and man. American Society of Agronomy and Crop Science Society of      America,

Madison

Jones CJ, Edwards KJ., Castiglione S., Winfield WO., Sala F., van de Wiel C., Bredemeijer G., Vosman, B., Matthes M, Daly A., Brettschneider R, Bettini P., Buiatti, M., Maestri, B., Malcevschi, A., Marmiroli, N., Aert, R., Volckaert, G., Rueda,           J., Linacero, R., Vázquez, A., Karp, A. (1997). Reproducibility testing of RAPD, AFLP and SSR markers in plants by a network of European laboratories. Mol Breed3:381–390

Kardolus, JP., Van Eck HJ., Van den Berg, RG. (1998). The potential of AFLPs in biosystematics: a first application in Solanum taxonomy (Solanaceae). Plant Syst Evol 2(10):87–103

Mantel, N. (1967). The detection of disease clustering and a generalized regression approach. Cancer research, 27(2 Part 1), 209-220

Meudt, HM y Clarke, AC (2007). Casi olvidado o la última práctica? Aplicaciones AFLP, análisis y avances. Tendencias en ciencias de las plantas, 12 (3), 106-117.

Mohammadi, S. A., & Prasanna, B. M. (2003). Analysis of genetic diversity in crop plants—salient statistical tools and considerations. Crop science, 43(4), 1235-1248.

Nei, M. (1973). Analysis of gene diversity in subdivided populations. Proceedings of the National Academy of Sciences, 70(12), 3321-3323.

Nei, M. (1972). Genetic distance between populations. The American Naturalist, 106(949), 283-292.

Pringle, G. J., & Murray, B. G. (1991). Interspecific hybridisation involving the tamarillo, Cyphomandra betacea (Cav.) Sendt.(Solanaceae). New Zealand Journal of crop and horticultural science, 19(2), 103-111.

Prohens, J., Rodríguez-Burruezo, A., & Nuez, F. (2003, October). Breeding Andean Solanaceae fruit crops for adaptation to subtropical climates. In VII International Symposium on Temperate Zone Fruits in the Tropics and Subtropics 662 (pp. 129-137).

Powell, W., Morgante, M., Andre, C., Hanafey, M., Vogel, J., Tingey, S., & Rafalski, A. (1996). The comparison of RFLP, RAPD, AFLP and SSR (microsatellite) markers for germplasm analysis. Molecular breeding, 2(3), 225-238.

Sneath, PHA., Sokal, RR. (1973). Numerical taxonomy. W. H. Freeman, San Francisco.

Vasco, C., Avila, J., Ruales, J., Svanberg, U., & Kamal-Eldin, A. (2009). Physical and chemical characteristics of golden-yellow and purple-red varieties of tamarillo fruit (Solanum betaceum Cav.). International Journal of Food Sciences and Nutrition, 60(sup7), 278-288.

Yeh, F. C. (1997). Population genetic analysis of co-dominant and dominant marker and quantitative traits. Belgian J. Bot., 130, 129-157.

 Rohlf, Fj. (1996). Numerical taxonomy and multivariate system version 2.0. Exert Software.Set

 

 

 

 

 

 

 

 

 

 

 

Resumido por: Marcelo Guevara⁴, Karen Estrella⁴, Kelly Lara⁴, y Jessica Proaño⁴ 

⁴Estudiante de Genotecnia Vegetal. Ingeniería Agronómica. Facultad de Ciencias Agrícolas. Universidad Central del Ecuador. 17243 Av. Universitaria, Ecuador. 

 

Lectura 1A.

Un origen mesoamericano de la chirimoya ( Annona cherimola Mill.): Implicaciones para la conservación de los recursos fitogenéticos 

N. Larranaga1, FJ Albertazzi2, G. Fontecha3, M. Palmieri4, H. Rainer5, M. Van Zonneveld y 6, JI Hormaza1 

1 Instituto de Hortofruticultura Subtropical y Mediterránea La Mayora (IHSM-UMACSIC), Algarrobo-Costa, M_alaga, Spain 

2 Centro de Investigaci_on en Biología Celulary Molecular (CIBCM), Universidad de Costa Rica, San José, Costa Rica 

3 Microbiology Research Institute, Universidad Nacional Aut_onoma de Honduras (UNAH), Tegucigalpa, Honduras 

4 Universidad del Valle de Guatemala, Ciudad de Guatemala, Guatemala 

5 University of Vienna, Vienna, Austria 

6 Bioversity International, Costa Rica Office, Turrialba, Costa Rica 

Resumen: 

El conocimiento sobre la estructura y distribución de la diversidad genética es un aspecto clave para planificar y ejecutar una conservación y utilización eficiente de los recursos genéticos de cualquier cultivo, así como para determinar inferencias demográficas históricas. En este trabajo, un gran conjunto de datos de 1.765 accesiones de chirimoya (Annona cherimola Mill, Annonaceae), un cultivo de árboles frutales utilizado como fuente de alimento por las culturas precolombinas, se recolectó de seis países diferentes en todo el continente americano y se amplificó con nueve marcadores de microsatélites altamente informativos. Los análisis de la estructura, la excelente representación de la diversidad genética y un enfoque ABC sugieren un origen mesoamericano del cultivo, contrario a los informes anteriores, con claras implicaciones para la dispersión del germoplasma de plantas entre América Central y América del Sur en la época precolombina. Estos resultados, junto con la distribución potencial de la especie en un contexto de cambio climático que utiliza dos modelos climáticos diferentes, proporcionan nuevos conocimientos sobre la historia y la conservación de los recursos genéticos existentes de la chirimoya que se pueden aplicar a otros cultivos perennes leñosos actualmente subutilizados. 

KEYWORDS: Análisis ABC, agricultura, chirimoya, distribución de diversidad genética, sistemas de información geográfica, Mesoamérica, microsatélites. 

1. Introducción 

Se necesita una imagen clara de la estructura de la diversidad genética para una conservación eficiente de los recursos genéticos de cualquier cultivo, que es fundamental para garantizar la seguridad alimentaria para las generaciones futuras. Hasta la fecha, unas 30 especies contribuyen a más del 90% de la nutrición humana a nivel mundial y son solo tres cereales (trigo, arroz y maíz) representan aproximadamente dos tercios de necesidades dietéticas humanas (Cassman, 1999). Como consecuencia, la erosión genética es especialmente dramática en especies desatendidas o subutilizadas (NUS), muchas de ellas presentes en países en desarrollo o subdesarrollados, con un gran potencial para la seguridad alimentaria y nutricional (Padulosi, Hodgkin, Williams y Haq, 2002).  

Chirimoya pertenece a las Annonaceae, una familia extremadamente diversa dentro de los Magnoliales con aproximadamente 110 géneros y 2.400 especies, 900 de ellas encontradas en el Neotrópico (Chatrou et al., 2012). El interés por la chirimoya y otras especies de Annonaceae ha aumentado en los últimos años debido a la presencia de acetogeninas, compuestos que se encuentran solo en esta familia con propiedades citotóxicas, antitumorales, antipalúdicas y pesticidas (Alaly, Liu & McLaughlin, 1999; Liaw, Wu, Chang y Wu, 2011). Sin embargo, raramente se encuentran poblaciones silvestres y no se puede excluir la posibilidad de que supuestos rodales silvestres en el norte de Perú y el sur de Ecuador sean campos silvestres. Lo que aumenta los riesgos de erosión genética es una disminución en el interés comercial, puede conducir a la sustitución de los árboles de chirimoya por otros cultivos más rentables.  

El objetivo principal de este trabajo fue utilizar marcadores moleculares junto con sistemas de información geográfica para estudiar la distribución espacial, la estructura y la historia de A. Cherimola, diversidad genética en todo el continente americano para establecer los principales puntos críticos de diversidad que podrían ayudar a optimizar la conservación de valiosos recursos genéticos de la especie, así como inferir su centro de origen y diversificación.  

2. Materiales y Métodos 

2.1 Material vegetal, extracción y amplificación de ADN. 

Se recolectaron hojas de 262 árboles de Annona cherimola en las tierras altas de Guatemala, Honduras y Costa Rica y se dividieron en grados decimales. El estudio combinó estas muestras con 1.503 muestras de ADN adicionales obtenidas previamente de diferentes Annona cherimola árboles de Ecuador, Perú y Bolivia (Van Zonneveld et al., 2012). Nueve microsatélites previamente demostraron ser altamente informativos en A. cherimola ( Escribano, Viruel y Hormaza, 2008; van Zonneveld et al., 2012) se usaron de la siguiente manera: LMCH1, LMCH4, LMCH16, LMCH48, LMCH69, LMCH87, LMCH122, LMCH139 y LMCH144. Las PCR se llevaron a cabo en un termociclador l-cycler (Bio-Rad Laboratories, Hercules, CA, USA). 

Los primers forward se marcaron con un tinte fluorescente en el extremo 5, y los productos de PCR se detectaron y dimensionaron con un Beckman Coulter Genome LabTM Sistema de análisis de ADN capilar GeXP. Se usó una gama de muestras con los alelos encontrados como controles positivos para garantizar la precisión del tamaño y minimizar la variación entre corridas. Cada PCR y electroforesis capilar se repitió al menos dos veces para garantizar la reproducibilidad de los resultados. 

2.2 Análisis de SSR 

El número de alelos, las heterocigosidades esperadas y observadas y el rango de alelos por locus se calcularon utilizando ARLEQUIN versión 3.5 (Excoffier & Lischer, 2010). Además, un AMOVA con 1,000 permutaciones y F S T Los valores que comparan muestras obtenidas de los diferentes países dentro de dos grupos (América Central y del Sur) también se obtuvieron con el mismo software. El número efectivo de alelos se obtuvo utilizando el R paquete (Dyer, 2014). 

2.3 Diversidad genética 

El cálculo de los parámetros de diversidad genética se realizó utilizando el procedimiento basado en la cuadrícula (Thomas et al., 2012; van Zonneveld et al., 2012). Estos parámetros fueron la riqueza alélica por locus, las heterocigosidades esperadas y observadas y el índice de información de Shannon. Los análisis de diversidad espacial basados en cuadrículas se realizaron utilizando celdas de cuadrícula de 10 minutos (18 km en el ecuador) como unidad de análisis. Se aplicó una vecindad circular de 60 minutos de diámetro a cada muestra para lograr una escala de trabajo continental, suponiendo que cada genotipo sea representativo del área circular del diámetro mencionado (111 km en el ecuador) a su alrededor. Los parámetros de diversidad genética se calcularon y promediaron en submuestras bootstrapped (sin repetición). Los cálculos se realizaron en R. ARCMAP 10.1 se usó para mapear y visualizar los resultados y calcular estadísticas básicas en Excel después de realizar una extracción por máscara. Para probar diferencias significativas entre las variables de diversidad genética de América Central y América del Sur, se realizaron pruebas de Shapiro y Wilcox en R; el primero sirvió para probar la normalidad de los datos, mientras que el segundo se utilizó para encontrar diferencias significativas entre los dos grupos de accesiones. Se utilizó la proyección geográfica WGS 84; la capa con los límites del país se descargó de la página web DIVA GIS (http: //www.diva-gis.org/Data) y la capa 1:10 Hipsometric Tints híbridos se descargó de la página web de Natural Earth (http: //www.nat uralearthdata.com/). 

2.4 Estructura genética 

Se utilizaron diferentes enfoques para evaluar la estructura genética de la A. chirimola muestras analizadas. Primero, se construyó un árbol vecino enraizado basado en la matriz de similitud de dados usando el software NTSYSPC 2.11 (Exeter Software, Stauket, NY). En segundo lugar, el software ESTRUCTURA (Pritchard, Stephens y Donnelly, 2000), que realiza un análisis bayesiano asumiendo que Hardy - El equilibrio de Weinberg y el equilibrio de enlace entre loci dentro de las poblaciones. Cada ejecución se implementó con un período de quemado de 20,000 pasos seguido de 200,000 réplicas de la cadena Monte Carlo Markov (Martin, Herrero y Hormaza, 2011; Pritchard, Wen y Falush, 2010). 

2.5 Aislamiento por distancia 

Probar el papel del aislamiento por distancia en la diversidad genética y la estructura de A. cherimola seguimos el procedimiento propuesto en la introducción de ADEGENET 2.0.0 R paquete (Jombart, 2012) y realizado en R. Se realizó un muestreo sistemático entre los 1,765 muestras para reducir la agregación de puntos de presencia (Fourcade, Engler, Rodder, & Secondi, 2014). Una trama de celda de 10 minutos fue construido y un punto seleccionado al azar. Las matrices de distancia genética entre los 203 puntos se obtuvieron con Nei (paquete ADEGENET [ Jombart, 2008]) y Bruvo (paquete POPPR [ Kamvar, Brooks y Gunwald, 2015; Kamvar, Tabima &  Grunwald, 2014]) distancias. Este último tiene en cuenta el modelo de mutación escalonada. Ambas distancias genéticas se correlacionaron mediante una prueba de chimenea con la distancia geográfica euclidiana entre puntos de coordenadas. 

2.6 Origen e historia de la población de Annona cherimola 

Se realizaron inferencias de origen e historia de la población con el software DIYABC ( Cornuet et al., 2014) que permite realizar un análisis de cálculo bayesiano (ABC) aproximado. Se diseñaron seis escenarios diferentes para probar tres áreas de origen diferentes, así como diferentes historias de población posteriores y se simularon 600,000 conjuntos de datos. Para el " modelo histórico " en DIYABC, se tomaron en cuenta tres poblaciones compuestas por accesiones con membresía superior al 50% para K = 3 obtenidos en 25 repeticiones de ESTRUCTURA y alineado con CLUMPP. Fueron nombrados Pop 1 (accesiones principalmente de América Central [CA]), Pop 2 (accesiones principalmente de Ecuador y el norte de Perú [E-NP]) y Pop 3 (accesiones principalmente del sur de Perú y Bolivia [SP-B]). 

Los tamaños de población (N1, N2 y N3) se establecieron de 10 a 10,000, y los parámetros de tiempo se establecieron de acuerdo con una tasa de generación de 5 años, que es el tiempo promedio desde la semilla hasta la flor en los árboles de chirimoya. Elegimos un mínimo de 100 años desde entonces, aunque chirimoya ya estaba presente en América Central y el norte de Perú hace 500 años (Cobo, 1653), su diseminación a otras áreas en el continente sudamericano podría haber ocurrido después. La tasa de mutación se dejó con los valores predeterminados 10 - 3 - 10 - 4 ( Ellegren, 2000). 

2.7 Modelando el impacto del cambio climático en las poblaciones de chirimoya centroamericanas 

Se realizó un muestreo sistemático entre las 1.765 muestras para reducir la agregación de los puntos de presencia (Fourcade et al., 2014). Se construyó una cuadrícula de celda lateral del 2.5% de la extensión total de todos los puntos de datos y se seleccionó un punto por celda. 

El muestreo se repitió 10 veces, generando 10 conjuntos de datos de entrenamiento y prueba diferentes, cada uno con 46 puntos de datos.  

Las 19 variables bioclimáticas actuales de resolución celular de 2.5 minutos se descargaron de Worldclim (http://www.worldclim.org/). Por lo tanto, se utilizaron nueve variables de la siguiente manera: Bio1, 2, 3, 5, 12, 14, 15, 18, 19. Dos modelos de circulación global, HadGEM2-CC (HG) (Hadley Global Environment Model 2 Carbon Cycle) (Collins et al., 2011; Shrestha & Bawa, 2014) y MRI-CGCM3 (MG) del Instituto de Investigación Meteorológica (Yukimoto et al., 2012) para el año 2.070, fueron seleccionados. Todas las operaciones se llevaron a cabo con R utilizando los siguientes paquetes: RASTER ( Hijmans y van Etten, 2012), DISMO (Hijmans, Phillips, Leathwick y Elith, 2011), MAPTOOLS ( Bivand y Lewin-Koh, 2015), MAPTREE ( White & Gramacy, 2012), RGEOS ( Bivand y Rundel, 2015), RJAVA ( Urbanek, 2013) y RGDAL ( Bivand, Keitt y Rowlingson, 2014).  

3. RESULTADOS   

3.1 Análisis de SSR  

En total se obtuvieron 176 alelos, de los cuales 172 (97.72%) eran de muestras centroamericanas con 110 alelos únicos y 66 (37.5%) de muestras sudamericanas con 4 alelos únicos. Se demostró que los alelos de baja frecuencia están presentes en las poblaciones. La prueba de AMOVA indicó que el 13.3% de la variación está en las muestras de América Central y del Sur, solo el 6.9% entre los países dentro de cada grupo y el 79.8% dentro de los países. Los valores más bajos se encuentran entre Perú y Ecuador y Guatemala y Honduras, mientras que los valores más altos se encontraron entre Honduras y Bolivia y Costa Rica y Bolivia.  

3.2 Diversidad genética  

Los valores más altos de diversidad genética se ubicaron en Honduras y Guatemala y los más bajos principalmente en Bolivia y el sur de Perú. Todas las comparaciones entre los valores de las muestras de América Central y América del Sur para todos los índices de diversidad genética estudiados fueron significativamente diferentes. Ninguno de ellos dentro de cada grupo tenía una distribución normal 

3.3 Estructura genética  

El dendograma construido con el índice de similitud indica una agrupación de las muestras por origen geográfico, diferenciando las muestras de América Central con las de América del Sur. Las muestras centroamericanas presentaron ramas más largas que indican valores de distancia más altos. Algunas muestras de Perú se agruparon cerca de las de América Central, mientras que las otras muestras parecían mezcladas con en el resto del dendograma: en la parte superior, muestras principalmente de Ecuador y Perú y en la parte inferior de Perú y Bolivia.  

El número de alelos y el número efectivo de alelos son claramente más altos en las muestras hondureñas y guatemaltecas, aunque el número de muestras de esos países es menor.  

3.4 Aislamiento por distancia  

Cuando solo se analizan muestras centroamericanas o sudamericanas, no se encuentra correlación entre las matrices de distancia geográfica y genética, aunque se obtiene correlación en Centroamérica cuando se analizan muestras hondureñas y costarricenses u hondureñas y guatemaltecas.  

3.5 Origen e historia de la población de Annona cherimola.  

El escenario mejor soportado, según la logística y análisis de regresión, fue el escenario 1 de los 3 planteados, que es un origen y migración centroamericanos primero a Ecuador y al norte de Perú y de allí al sur de Perú y Bolivia.  

3.6 Distribución potencial de A. cherimola en Centroamérica en un contexto de cambio climático  

Los resultados del modelado de Maxent en condiciones climáticas actuales y futuras indican que las áreas de distribución A. chirimola en América Central están en peligro en Honduras y en el este de Guatemala y que las áreas óptimas se reducirán a elevaciones más altas. Algunas nuevas áreas adecuadas para A. chirimola se pronostica que se obtendrán, principalmente en el oeste de Guatemala, el centro de México y Costa Rica.  

4. DISCUSIÓN  

En la hipótesis de un origen sudamericano de la chirimoya, nuestros resultados sugieren que el punto caliente de diversidad genética de la chirimoya se encuentra en Honduras y Guatemala y que probablemente la chirimoya se originó en esta área. Hasta ahora, la mayoría de los esfuerzos de conservación de germoplasma de esta especie se han centrado en América del Sur porque el conocimiento actual supone que la especie se originó en la región andina. Además, nuestros análisis de impacto del cambio climático sugieren que las áreas de cultivo de chirimoya en América Central, donde se encuentran las poblaciones más diversas de esta especie, están muy amenazadas por el cambio climático, lo que subraya la necesidad de implementar proyectos apropiados de conservación de germoplasma in situ y ex situ junto con un uso sostenible de esos recursos genéticos. La combinación de la reproducción limitada que se ha producido en la chirimoya cultivada en América Central y del Sur con la longevidad de los árboles frutales nos lleva a suponer que la chirimoya cultivada solo separa unas pocas generaciones de la selección humana de su ancestro salvaje.  

Se sugiere que para chirimoya, el centro de diversidad de cultivos coincida con su centro geográfico de origen en línea con Vavilov ' s,hipótesis clásica sobre los centros de diversidad de cultivos. Por lo tanto, chirimoya se habría originado en América Central con un centro secundario de diversidad en la región andina de América del Sur, lo que fue confirmado por el análisis ABC.  

Los resultados del análisis ABC sugerirían que la llegada de la chirimoya a América del Sur podría haber ocurrido hace unos 4.000 años. Sobre la base de los resultados, se plantea la hipótesis de que la dispersión natural de la chirimoya en América Central es similar al caso de otras especies tropicales que producen semillas aún más grandes (Persea americana, Manilkara zapota o Spondias purpurea). La extinta megafauna ya estaba presente hasta el Pleistoceno y luego fue dispersada por humanos a Sudamérica, primero en el norte de Perú, desde donde podría haberse dispersado más al norte hacia Ecuador y sur hacia Bolivia.  

A pesar de la baja diversidad genética, la chirimoya andina se caracteriza por altos niveles de diversidad fenotípica. Los patrones entre la diversidad fenotípica y genética pueden explicarse por la paradoja de la domesticación, que predice que los aumentos en la variación morfológica en las características clave de la selección humana a menudo van acompañados de disminuciones en la variación genética a nivel del genoma amplio.  

Los resultados obtenidos indican que se requieren acciones de conservación urgentes para chirimoya porque el germoplasma centroamericano se encuentra en colecciones ex situ y el cambio climático amenaza a las poblaciones existentes en el área de origen de chirimoya y los puntos críticos de diversidad.  

Conclusiones 

Este es un estudio de caso en un cultivo frutal subutilizado particular de las Américas, A. cherimola que se originó en América Central, pero también se cultivó en América del Sur en la época precolombina. El enfoque utilizado muestra la relevancia de los estudios moleculares para desarrollar estrategias para la conservación de los recursos genéticos de las especies vegetales, especialmente en cultivos subutilizados y descuidados. Sin este tipo de estudios, una parte sustancial de la diversidad genética existente de una especie, como se muestra en este caso con la diversidad presente en el centro de origen desconocido, puede pasarse por alto fácilmente al implementar acciones de conservación. 

Referencias 

Alaly, F. Q., Liu, X. X., & McLaughlin, J. L. (1999). Annonaceous acetogenins: Recent progress. Journal of Natural Products, 62, 504–540. 

Bivand, R., & Lewin-Koh, N. (2015). Maptools: Tools for reading and handling spatial objects. R package version 0.8-34. Retrieved from http://CRAN.R project.org/package=maptools (accessed 30 March 2017). 

Bivand, R., & Rundel, C. (2015). Rgeos: Interface to Geometry Engine— Open Source (GEOS). R package version 0.3-12. Retrieved from http:// CRAN.R-project.org/package=rgeos (accessed 30 March 2017). 

Bivand, R., Keitt, T., & Rowlingson, B. (2014). Rgdal: Bindings for the geospatial data abstraction library. R package version 0.9-1. Retrieved from http://CRAN.R-project.org/package=rgdal (accessed 30 March 2017). 

Cassman, K. G. (1999). Ecological intensification of cereal production systems:Yield potential, soil quality, and precision agriculture. Proceedings of the National Academy of Sciences of the United States of America, 96, 5952–5959. 

Chatrou, L. W., Pirie, M. D., Erkens, R. H. J., Couvreur, T. L. P., Neubig, K. M., Abbott, J. R., Chase, M. W. (2012). A new subfamilial and tribal classification of the pantropical flowering plant family Annonaceae informed by molecular phylogenetics. Botanical Journal of the Linnean Society, 169, 5–40. 

Cobo, P. B. (1653). Historia del Nuevo Mundo. Seville, Spain 1891: Sociedad de Bibliófilos Andaluces. 

Collins, W. J., Bellouin, N., Doutriaux-Boucher, M., Gedney, N., Halloran, P., Hinton, T., . . . Woodward, S. (2011). Development and evaluation of an earth-system model—HadGEM2. Geoscientific Model Development, 4, 1051–1075. 

Cornuet, J.-M., Pudlo, P., Veyssier, J., Dehne-Garcia, A., Gautier, M., Leblois, R., Estoup, A. (2014). DIYABC v2.0: A software to make approximate bayesian computation inferences about population history using single nucleotide polymorphism, DNA sequence and microsatellite data. Bioinformatics, 30, 1187–1189. 

Dyer, R. J. (2014). Gstudio: Spatial utility functions from the Dyer laboratory. R package version 1.2 Retrieved from http://ftp.cs.pu.edu.tw/network/CRAN/web/packages/gstudio 

Ellegren, H. (2000). Microsatellite mutations in the germline: Implications for evolutionary inference. Trends in Genetics, 16, 551–558. 

Escribano, P., Viruel, M. A., & Hormaza, J. I. (2008). Development of 52 new polymorphic SSR markers from cherimoya (Annona cherimola Mill.): Transferability to related taxa and selection of a reduced set for DNA fingerprinting and diversity studies. Molecular Ecology Resources, 8, 317–321. 

Excoffier, L., & Lischer, H. E. L. (2010). Arlequin suite ver 3.5: A new series of programs to perform population genetics analyses under Linux and Windows. Molecular Ecology Resources, 10, 564–567. 

Fourcade, Y., Engler, J. O., R€odder, D., & Secondi, J. (2014). Mapping species distributions with MAXENT using a geographically biased sample of presence data: A performance assessment of methods for correcting sampling bias. PLoS One, 9, e97122. 

Hijmans, R. J., & van Etten, J. (2012). Raster: Geographic analysis and modeling with raster data. R package version 2.3-24. Retrieved from http://CRAN.R-project.org/package=raster (accessed 30 March 2017). 

Hijmans, R. J., Phillips, S., Leathwick, J., & Elith, J. (2011). Dismo: Species Distribution Modeling. R package version 1.0-12. Retrieved from http://CRAN.R-project.org/package=dismo, (accessed 30 March 2017). 

Kamvar, Z. N., Brooks, J. C., & Gr€unwald, N. J. (2015). Novel R tools for analysis of genome-wide population genetic data with emphasis on clonality. Frontiers in Genetics, 6, 208. 

Kamvar, Z. N., Tabima, J. F., & Gr€unwald, N. J. (2014). Poppr: An R package for genetic analysis of populations with clonal, partially clonal, and/or sexual reproduction. PeerJ, 2, e281. 

Liaw, C. C., Wu, T. Y., Chang, F. R., & Wu, Y. C. (2011). Historic perspectives on annonaceous acetogenins from the chemical bench to preclinical trials. Planta Medica, 76, 1390–1404. 

Padulosi, S., Hodgkin, T., Williams, J. T., & Haq, N. (2002). Underutilised crops: Trends, challenges and opportunities in the 21st century. In J. Engels, V. R. Rao, & M. Jackson (Eds.), Managing plant genetic diversity (pp. 323–338). Wallingford, UK: CAB International. 

Pritchard, J. K., Wen, X., & Falush, D. (2010). Documentation for structure software: version 2.3. Retrieved from http://computing.bio.cam.ac.uk/ local/doc/structure.pdf (accessed 30 March 2017). 

Shrestha, U. B., & Bawa, K. S. (2014). Impact of climate change on potential distribution of Chinese caterpillar fungus (Ophiocordyceps sinensis) in Nepal Himalaya. PLoS One, 9, e106405. 

Thomas, E., van Zonneveld, M., Loo, J., Hodgkin, T., Galluzzi, G., & van Etten, J. (2012). Present spatial diversity patterns of Theobroma cacao L. in the neotropics reflect genetic differentiation in Pleistocene refugia followed by human-influenced dispersal. PLoS One, 7, e47676. 

Urbanek, S. (2013). rJava: Low-level R to Java interface. R package version 0.9-6. Retrieved from http://CRAN.R-project.org/package=rJava (accessed 30 March 2017). 

Van Zonneveld, M., Scheldeman, X., Escribano, P., Viruel, M. A., Van Damme, P., Garcia, W., Hormaza, J. I. (2012). Mapping genetic diversity of cherimoya (Annona cherimola Mill.): Application of spatial analysis for conservation and use of plant genetic resources. PLoS One, 7, e29845. 

White, D., & Gramacy, R. B. (2012). Maptree: Mapping, pruning, and graphing tree models. R package version 1.4-7. Retrieved from http://CRAN.R-project.org/package=maptree (accessed 30 March 2017). 

Yukimoto, S., Adachi, Y., Hosaka, M., Sakami, T., Yoshimura, H., Hirabara, M., . . . Kitoh, A. (2012). A new global climate model of the meteorological research institute: MRI-CGCM3-model description and basic performance. Journal of the Meteorological Society of Japan, 90A, 23–64.