Em razão da maioria das características agronômicas serem controladas por muitos genes de pequeno efeito, e apresentar uma variação continua em função da segregação genotípica, dos efeitos ambientais e da interação genótipo x ambiente, os efeitos individuais dos poligenes não podem ser estudados individualmente. Com o surgimento recente de novas categorias de marcadores moleculares a possibilidade de monitoramento dos locos controladores de caracteres quantitativos (QTLs) tornou-se uma realidade. Devido a dificuldade de descrever teoricamente um modelo com múltiplos locos foi realizado o presente trabalho, que teve por objetivo avaliar a eficiência do mapeamento de QTLs e da seleção assistida por marcadores através de simulação computacional. Para isso foi gerada uma população F₂ com 400 plantas. O genoma continha 10 pares de cromossomos de 1 Morgan cada, 50 marcadores e 10 ou 100 QTLs distribuídos aleatoriamente pelo genoma. Os valores genotípicos e fenotípicos foram gerados considerando ausência e presença de dominância e ausência de epistasia e quatro níveis de herdabilidade (0, 750, 0, 500, 0,250 e 0, 125). Para o mapeamento de QTLs a análise de variância, e a regressão linear e não linear foram utilizadas, sendo a eficiência avaliada pela comparação das estimativas obtidas com os parâmetros utilizados. A seleção recorrente fenotípica individual (SRF) em ambos os sexos foi realizada considerando uma intensidade de seleção de 10%, cinco ciclos seletivos foram utilizados, com cinco repetições. A seleção assistida por marcadores (MAS) a partir dos escores dos marcadores foi realizada da mesma forma que a SRF. Combinando os escores dos marcadores e o valor fenotípico das plantas foi efetuada a seleção combinada (COMB). Os resultados obtidos permitiram concluir que : a simulação computacional se constituiu num poderoso instrumento para o estudo e entendimento das relações dos marcadores com os caracteres quantitativos; o mapeamento de QTLs foi realizado com a mesma precisão considerando os métodos de análise de variância e análise de regressão não-linear; a análise de regressão linear utilizando “backward”, foi o método mais eficiente para estimação dos efeitos genotípicos associados aos marcadores e mapeamento dos QTLs; o tamanho populacional de 400 plantas foi adequado pois permitiu, mesmo com baixas herdabilidades (0,125), que os marcadores ligados aos QTLs com r<0,10, fossem detectados (P<0,05) na maioria dos casos; a análise de variância dos marcadores tomados 2 a 2 , permitiu aceitar a hipótese verdadeira de ausência de epistasia em 95,31%, mostrando que a probabilidade de se cometer o erro tipo I observada (4,69%) se encontrou em concordância com o valor esperado de 5%; A COMB foi o processo de seleção mais eficiente, aumentando a eficácia com o decréscimo da herdabilidade; com o avanço dos ciclos seletivos e, consequentemente, com a redução do desequilíbrio de ligação, houve um decréscimo da eficiência da MAS. Porém, quando foi considerado o ganho médio por ano, a resposta da MAS foi superior em 1,85 a 3,17 vezes o ganho da SRF, considerando todos os modelos genéticos simulados.

Most economically-important traits in several crop species are quantitatively controlled and show a continuous variation because of genotypic segregation, environmental effects and genotype x environment interactions, and so the individual gene effects cannot be studied by the classical Mendel’s techniques. Advent of new molecular markers make the Quantitative Trait Loci (QTL) monitoring a reality. Due to the difficulty of describing mathematically a model with multiple loci, we done this paper to evaluate the efficiency of marker-assisted selection through computational simulation. A set of 400 F₂ plants were generated with an haploid genome of 10 chromosomes with size of 1 Morgan each, 50 markers and 10 or 100 QTL’s. The genotypic and phenotypic values were generated considering presence and absence of dominance and epistasy and four levels of heritabilities (0.750, 0.500, 0.250 and 0.125). For QTL mapping purposes, analysis of variance, linear and non-linear regression were used . The efficiency was evaluated comparing estimates with parameters. The individual recurrent selections (SRF) were done with a selection intensity of 10%. Five selective cycles were carried out with 5 replications using individual markers scores (MAS) in the same way as SRF. Combined selections (COMB) were performed combining marker scores and phenotypic values of each F₂ individual. Results obtained leads to the following conclusions: computational simulation was a powerful instrument to understand the relationship between molecular marker and QTL’s; QTL mapping using analysis of variance had the same precision as non-linear regression methods; backward linear regression analysis was the most efficient for estimation of marker genotypics effects and mapping QTL; population size of 400 individuals was adequate, since, with low heritability (0.125), linkage of marker-QTL lower than 0.10 was detected (P<0.05) in most of the cases; analysis of variance of markers taken 2 at time accepted the non epistasy hypothesis in 95,31% of the cases, and showed that the observed type I error ratio (4.69%) agreed with the expected value (5%); Combined selection (COMB) was the most efficient method since showed highest selection response with lower heritability (0.125); advance of selection cycles and consequently the reduction of linkage disequilibrium produced a decrease in the efficiency of MAS. On the other hand, considering the annual response, gain with MAS was 1,85 to 3, 17 times superior than SRF response in all genetic simulated models.