Predição genômica com o modelo aditivo-dominante por métodos de redução de dimensionalidade

• Autor(a) principal: Costa, Jaquicele Aparecida da
• Data de Publicação: 2020
• Outros Autores: Azevedo, Camila Ferreira, Nascimento, Moysés, Silva, Fabyano Fonseca e, Resende, Marcos Deon Vilela de, Nascimento, Ana Carolina Campana
• Tipo de documento: Artigo
• Idioma: eng
• Título da fonte: Pesquisa Agropecuária Brasileira (Online)
• Texto Completo: https://seer.sct.embrapa.br/index.php/pab/article/view/26824
• topic: efeito de dominância; G-BLUP; regressão via componentes independentes; quadrados mínimos parciais; regressão via componentes principais; dominance effect; G-BLUP; independent components regression; partial least squares; principal components regression

O objetivo deste trabalho foi avaliar a aplicação de diferentes métodos de redução de dimensionalidade no modelo aditivo-dominante e compará-los ao método genômico da melhor predição linear não viesada (G-BLUP). Os métodos de redução avaliados foram: regressão via componentes principais (PCR), quadrados mínimos parciais (PLS) e regressão via componentes independentes (ICR). Utilizou-se um conjunto de dados simulados composto por 1.000 indivíduos e 2.000 polimorfismos de nucleotídeo único, analisados em quatro cenários: dois níveis de herdabilidade x duas heranças genéticas. Para auxiliar na escolha do número de componentes, os resultados foram avaliados quanto às informações genômicas aditiva, dominante e total. De modo geral, a PCR apresentou maiores valores de acurácia em comparação aos demais métodos. No entanto, nenhuma das metodologias consegue capturar as herdabilidades genômicas reais e todas apresentam estimativas viesadas, tendo subestimado ou superestimado os valores genéticos genômicos. Para a estimação simultânea dos efeitos de marcadores aditivos e devidos à dominância, a melhor alternativa é a escolha do número de componentes que conduz o valor genômico devido à dominância à maior acurácia.