Combined index of genomic prediction methods applied to productivity traits in rice.

Detalhes bibliográficos
Autor(a) principal: SUELA, M. M.
Data de Publicação: 2019
Outros Autores: LIMA, L. P., AZEVEDO, C. F., RESENDE, M. D. V. de, NASCIMENTO, M., SILVA, F. F. e
Tipo de documento: Artigo
Idioma: eng
Título da fonte: Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)
Texto Completo: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1110881
Resumo: A cultura do arroz tem grande importância nacional e mundial por ser um dos cereais mais produzidos e consumidos no mundo, caracterizando-se como o principal alimento de mais da metade da população mundial. Em função de sua importância alimentar, desenvolver métodos eficientes que visam a predição e a seleção de indivíduos geneticamente superiores, quanto a características da planta, é de extrema importância para os programas de melhoramento. Diante disso, o objetivo deste trabalho foi avaliar e comparar a eficiência do método Delta-p, G-BLUP, BayesCpi, BLASSO e o índice Delta-p/G-BLUP, índice Delta-p/BayesCpi e índice Delta-p/BLASSO, na estimação de valores genômicos e dos efeitos de marcadores SNPs (Single Nucleotide Polymorphisms) em dados fenotípicos associados a características de arroz. A utilização de marcadores moleculares permite alta eficiência seletiva e o aumento do ganho genético por unidade de tempo. O método Delta-p utiliza o conceito de mudança na frequência alélica devido à seleção e o conceito teórico de ganho genético. O Índice é baseado no princípio da seleção combinada, utiliza conjuntamente as informações dos valores genômicos aditivos preditos via G-BLUP, BayesCpi ou BLASSO e via Delta-p. Estes métodos foram aplicados e comparados quanto à predição genômica utilizando nove características de arroz (Oryza sativa), sendo elas: comprimento da folha bandeira, largura da folha bandeira; número de panículas por planta; número de ramos da panícula primária; comprimento de semente; largura de semente; teor de amilose; teor de proteína; resistência a bruzone. O índice Delta-p/G-BLUP obteve maiores capacidades preditivas para as características estudadas, exceto para a característica Conteúdo de amilose, em que o método que obteve maior capacidade preditiva foi o BayesCpi, sendo aproximadamente 3% superior ao índice Delta-p/G-BLUP.
id EMBR_ebe93d81a98a71d629011ee6146101d2
oai_identifier_str oai:www.alice.cnptia.embrapa.br:doc/1110881
network_acronym_str EMBR
network_name_str Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)
repository_id_str 2154
spelling Combined index of genomic prediction methods applied to productivity traits in rice.Predição genômicaGanho genéticoGenomic predictionGenetic gainBayesian alphabetMolecular basesRegressionÍndice de SeleçãoSelection indexA cultura do arroz tem grande importância nacional e mundial por ser um dos cereais mais produzidos e consumidos no mundo, caracterizando-se como o principal alimento de mais da metade da população mundial. Em função de sua importância alimentar, desenvolver métodos eficientes que visam a predição e a seleção de indivíduos geneticamente superiores, quanto a características da planta, é de extrema importância para os programas de melhoramento. Diante disso, o objetivo deste trabalho foi avaliar e comparar a eficiência do método Delta-p, G-BLUP, BayesCpi, BLASSO e o índice Delta-p/G-BLUP, índice Delta-p/BayesCpi e índice Delta-p/BLASSO, na estimação de valores genômicos e dos efeitos de marcadores SNPs (Single Nucleotide Polymorphisms) em dados fenotípicos associados a características de arroz. A utilização de marcadores moleculares permite alta eficiência seletiva e o aumento do ganho genético por unidade de tempo. O método Delta-p utiliza o conceito de mudança na frequência alélica devido à seleção e o conceito teórico de ganho genético. O Índice é baseado no princípio da seleção combinada, utiliza conjuntamente as informações dos valores genômicos aditivos preditos via G-BLUP, BayesCpi ou BLASSO e via Delta-p. Estes métodos foram aplicados e comparados quanto à predição genômica utilizando nove características de arroz (Oryza sativa), sendo elas: comprimento da folha bandeira, largura da folha bandeira; número de panículas por planta; número de ramos da panícula primária; comprimento de semente; largura de semente; teor de amilose; teor de proteína; resistência a bruzone. O índice Delta-p/G-BLUP obteve maiores capacidades preditivas para as características estudadas, exceto para a característica Conteúdo de amilose, em que o método que obteve maior capacidade preditiva foi o BayesCpi, sendo aproximadamente 3% superior ao índice Delta-p/G-BLUP.Matheus Massariol Suela, UFV; Leísa Pires Lima, UFV; Camila Ferreira Azevedo, UFV; MARCOS DEON VILELA DE RESENDE, CNPF; Moysés Nascimento, UFV; Fabyano Fonseca e Silva, UFV.SUELA, M. M.LIMA, L. P.AZEVEDO, C. F.RESENDE, M. D. V. deNASCIMENTO, M.SILVA, F. F. e2019-07-27T00:52:09Z2019-07-27T00:52:09Z2019-07-2620192019-10-30T11:11:11Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleCiência Rural, Santa Maria, v. 49, n. 6, e20181008, June 2019. 9 p.http://www.alice.cnptia.embrapa.br/alice/handle/doc/111088110.1590/0103-8478cr20181008enginfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)instname:Empresa Brasileira de Pesquisa Agropecuária (Embrapa)instacron:EMBRAPA2019-07-27T00:52:32Zoai:www.alice.cnptia.embrapa.br:doc/1110881Repositório InstitucionalPUBhttps://www.alice.cnptia.embrapa.br/oai/requestopendoar:21542019-07-27T00:52:32falseRepositório InstitucionalPUBhttps://www.alice.cnptia.embrapa.br/oai/requestcg-riaa@embrapa.bropendoar:21542019-07-27T00:52:32Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) - Empresa Brasileira de Pesquisa Agropecuária (Embrapa)false
dc.title.none.fl_str_mv Combined index of genomic prediction methods applied to productivity traits in rice.
title Combined index of genomic prediction methods applied to productivity traits in rice.
spellingShingle Combined index of genomic prediction methods applied to productivity traits in rice.
SUELA, M. M.
Predição genômica
Ganho genético
Genomic prediction
Genetic gain
Bayesian alphabet
Molecular bases
Regression
Índice de Seleção
Selection index
title_short Combined index of genomic prediction methods applied to productivity traits in rice.
title_full Combined index of genomic prediction methods applied to productivity traits in rice.
title_fullStr Combined index of genomic prediction methods applied to productivity traits in rice.
title_full_unstemmed Combined index of genomic prediction methods applied to productivity traits in rice.
title_sort Combined index of genomic prediction methods applied to productivity traits in rice.
author SUELA, M. M.
author_facet SUELA, M. M.
LIMA, L. P.
AZEVEDO, C. F.
RESENDE, M. D. V. de
NASCIMENTO, M.
SILVA, F. F. e
author_role author
author2 LIMA, L. P.
AZEVEDO, C. F.
RESENDE, M. D. V. de
NASCIMENTO, M.
SILVA, F. F. e
author2_role author
author
author
author
author
dc.contributor.none.fl_str_mv Matheus Massariol Suela, UFV; Leísa Pires Lima, UFV; Camila Ferreira Azevedo, UFV; MARCOS DEON VILELA DE RESENDE, CNPF; Moysés Nascimento, UFV; Fabyano Fonseca e Silva, UFV.
dc.contributor.author.fl_str_mv SUELA, M. M.
LIMA, L. P.
AZEVEDO, C. F.
RESENDE, M. D. V. de
NASCIMENTO, M.
SILVA, F. F. e
dc.subject.por.fl_str_mv Predição genômica
Ganho genético
Genomic prediction
Genetic gain
Bayesian alphabet
Molecular bases
Regression
Índice de Seleção
Selection index
topic Predição genômica
Ganho genético
Genomic prediction
Genetic gain
Bayesian alphabet
Molecular bases
Regression
Índice de Seleção
Selection index
description A cultura do arroz tem grande importância nacional e mundial por ser um dos cereais mais produzidos e consumidos no mundo, caracterizando-se como o principal alimento de mais da metade da população mundial. Em função de sua importância alimentar, desenvolver métodos eficientes que visam a predição e a seleção de indivíduos geneticamente superiores, quanto a características da planta, é de extrema importância para os programas de melhoramento. Diante disso, o objetivo deste trabalho foi avaliar e comparar a eficiência do método Delta-p, G-BLUP, BayesCpi, BLASSO e o índice Delta-p/G-BLUP, índice Delta-p/BayesCpi e índice Delta-p/BLASSO, na estimação de valores genômicos e dos efeitos de marcadores SNPs (Single Nucleotide Polymorphisms) em dados fenotípicos associados a características de arroz. A utilização de marcadores moleculares permite alta eficiência seletiva e o aumento do ganho genético por unidade de tempo. O método Delta-p utiliza o conceito de mudança na frequência alélica devido à seleção e o conceito teórico de ganho genético. O Índice é baseado no princípio da seleção combinada, utiliza conjuntamente as informações dos valores genômicos aditivos preditos via G-BLUP, BayesCpi ou BLASSO e via Delta-p. Estes métodos foram aplicados e comparados quanto à predição genômica utilizando nove características de arroz (Oryza sativa), sendo elas: comprimento da folha bandeira, largura da folha bandeira; número de panículas por planta; número de ramos da panícula primária; comprimento de semente; largura de semente; teor de amilose; teor de proteína; resistência a bruzone. O índice Delta-p/G-BLUP obteve maiores capacidades preditivas para as características estudadas, exceto para a característica Conteúdo de amilose, em que o método que obteve maior capacidade preditiva foi o BayesCpi, sendo aproximadamente 3% superior ao índice Delta-p/G-BLUP.
publishDate 2019
dc.date.none.fl_str_mv 2019-07-27T00:52:09Z
2019-07-27T00:52:09Z
2019-07-26
2019
2019-10-30T11:11:11Z
dc.type.driver.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv Ciência Rural, Santa Maria, v. 49, n. 6, e20181008, June 2019. 9 p.
http://www.alice.cnptia.embrapa.br/alice/handle/doc/1110881
10.1590/0103-8478cr20181008
identifier_str_mv Ciência Rural, Santa Maria, v. 49, n. 6, e20181008, June 2019. 9 p.
10.1590/0103-8478cr20181008
url http://www.alice.cnptia.embrapa.br/alice/handle/doc/1110881
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)
instname:Empresa Brasileira de Pesquisa Agropecuária (Embrapa)
instacron:EMBRAPA
instname_str Empresa Brasileira de Pesquisa Agropecuária (Embrapa)
instacron_str EMBRAPA
institution EMBRAPA
reponame_str Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)
collection Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)
repository.name.fl_str_mv Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) - Empresa Brasileira de Pesquisa Agropecuária (Embrapa)
repository.mail.fl_str_mv cg-riaa@embrapa.br
_version_ 1794503477534130176