Combined index of genomic prediction methods applied to productivity traits in rice.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Outros Autores: | , , , , |
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 |