PREDIÇÃO DE VALORES FENOTÍPICOS E GENOTÍPICOS VIA RR-BLUP/GWS E REDES NEURAIS

Autores

  • Alisson Esdras Coutinho Departament of Agronomy/Crop Science, Universidade Federal Rural de Pernambuco, Recife, PE http://orcid.org/0000-0003-4716-0741
  • Diogo Gonçalves Neder Center for Agricultural and Environmental Sciences, Universidade Estadual da Paraíba, Campina Grande, PB http://orcid.org/0000-0003-0164-1056
  • Mairykon Coêlho da Silva Departament of Agronomy/Crop Science, Universidade Federal Rural de Pernambuco, Recife, PE http://orcid.org/0000-0003-0708-959X
  • Eliane Cristina Arcelino Departament of Agronomy/Crop Science, Universidade Federal Rural de Pernambuco, Recife, PE http://orcid.org/0000-0002-8421-0886
  • Silvan Gomes de Brito Departament of Agronomy/Crop Science, Universidade Federal Rural de Pernambuco, Recife, PE http://orcid.org/0000-0002-0981-1227
  • José Luiz Sandes de Carvalho Filho Departament of Agronomy/Crop Science, Universidade Federal Rural de Pernambuco, Recife, PE http://orcid.org/0000-0001-8473-4332

DOI:

https://doi.org/10.1590/1983-21252018v31n301rc

Palavras-chave:

Melhoramento genético. Correlação. Marcadores moleculares.

Resumo

A seleção genômica ampla (Genome Wide Selection - GWS) utiliza simultaneamente o efeito de milhares de marcadores cobrindo todo o genoma para predizer o valor genético genômico dos indivíduos no processo de seleção. Os possíveis benefícios de seu uso são a redução do ciclo de melhoramento, propiciando maior ganho por unidade de tempo e diminuição de custos. O sucesso da GWS está atrelado a escolha do método de predição dos efeitos dos marcadores. Assim, neste trabalho, visou-se aplicar as redes neurais artificiais (Artificial Neural Networks - ANNs), com a finalidade de predizer os valores genéticos genômicos (Genomic Breeding Values - GEBVs) baseado na estimação dos efeitos dos marcadores comparados a regressão de cumeeira – melhor preditor não viesado/seleção genômica ampla (Ridge Regression – Best Linear Unbiased Predictor/Genome Wide Selection – RR-BLUP/GWS). Foram efetuadas simulações por meio do software R, fornecendo as correlações referentes às ANNs e a RR-BLUP/GWS. Os métodos de predição foram avaliados utilizando correlações entre o valor fenotípico e valor genotípico com o valor genético genômico predito. Os resultados demonstraram superioridade das ANNs na predição dos GEBVs nos cenários com maior e menor densidade de marcadores, paralelo a níveis mais altos de desequilíbrio de ligação e maior herdabilidade.

Downloads

Não há dados estatísticos.

Downloads

Publicado

28-05-2018

Edição

Seção

Agronomia