The development of lines with high performance and stability for synthesis of superior hybrids is the most expensive and time-consuming phase in maize hybrid breeding. Several times, due to available resources, only a part of possible hybrid combinations is tested. Therefore, the breeder needs methods that allow the evaluation of genotypes untested in the field. This work was carried out with the objective of proposing a prediction model of general and specific (SCA) combining ability, and interactions with environments, associated with the use of credible regions in biplots obtained through Additive Main Effects and Multiplicative Interaction Bayesian model. Two analyses were done, in which the first one was conducted with simulated data, and the second one with real data. Credible ellipses were constructed in biplot in order to evaluate the stability of interaction effects for GCA and SCA. For the analysis of simulated data, the predictions obtained had high correlation with the real values. For the effects of GCA and SCA, the predictions kept the standard of signals and rank. The model was efficient to provide credible intervals which covered the simulated values. For the analysis of real data, estimates of GCA and SCA for all genotypes evaluated do not differ from zero. The biplots for GCA × E and SCA × E interactions allowed evaluate the genotype stability in a more accurate way and the uncertainty about interaction estimates. The model is shown as a promising tool for helping the breeder to select and recommend genotypes.

用于合成优良杂种的高性能和稳定性品系的开发是玉米杂交育种中最昂贵和最耗时的阶段。多次，由于可用资源，只测试了可能的混合组合的一部分。因此，育种者需要能够评估未经现场测试的基因型的方法。开展这项工作的目的是提出一个通用和特定 (SCA) 结合能力以及与环境相互作用的预测模型，该模型与使用通过加性主效应和乘法相互作用贝叶斯模型获得的双标图中的可信区域相关联。进行了两次分析，其中第一次使用模拟数据进行，第二次使用真实数据进行。在双标图中构建了可信椭圆，以评估 GCA 和 SCA 交互作用的稳定性。对于模拟数据的分析，获得的预测与实际值具有高度相关性。对于GCA和SCA的影响，预测保持信号和等级的标准。该模型有效地提供了涵盖模拟值的可信区间。对于真实数据的分析，对所有评估基因型的 GCA 和 SCA 估计值不为零。GCA × E 和 SCA × E 相互作用的双标图允许以更准确的方式评估基因型稳定性和相互作用估计的不确定性。该模型被证明是一种很有前途的工具，可以帮助育种者选择和推荐基因型。获得的预测与实际值具有高度相关性。对于GCA和SCA的影响，预测保持信号和等级的标准。该模型有效地提供了涵盖模拟值的可信区间。对于真实数据的分析，对所有评估基因型的 GCA 和 SCA 估计值不为零。GCA × E 和 SCA × E 相互作用的双标图允许以更准确的方式评估基因型稳定性和相互作用估计的不确定性。该模型被证明是一种很有前途的工具，可以帮助育种者选择和推荐基因型。获得的预测与实际值具有高度相关性。对于GCA和SCA的影响，预测保持信号和等级的标准。该模型有效地提供了涵盖模拟值的可信区间。对于真实数据的分析，对所有评估基因型的 GCA 和 SCA 估计值不为零。GCA × E 和 SCA × E 相互作用的双标图允许以更准确的方式评估基因型稳定性和相互作用估计的不确定性。该模型被证明是一种很有前途的工具，可以帮助育种者选择和推荐基因型。对于真实数据的分析，对所有评估基因型的 GCA 和 SCA 估计值不为零。GCA × E 和 SCA × E 相互作用的双标图允许以更准确的方式评估基因型稳定性和相互作用估计的不确定性。该模型被证明是一种很有前途的工具，可以帮助育种者选择和推荐基因型。对于真实数据的分析，对所有评估基因型的 GCA 和 SCA 估计值不为零。GCA × E 和 SCA × E 相互作用的双标图允许以更准确的方式评估基因型稳定性和相互作用估计的不确定性。该模型被证明是一种很有前途的工具，可以帮助育种者选择和推荐基因型。