Predição genômica ampla de híbridos simples de milho considerando modelo não aditivo

Detalhes bibliográficos
Autor(a) principal: Pereira, Helcio Duarte
Data de Publicação: 2015
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFLA
Texto Completo: http://repositorio.ufla.br/jspui/handle/1/5275
Resumo: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
id UFLA_7e708a5466256f1bcae0adc3b9658406
oai_identifier_str oai:localhost:1/5275
network_acronym_str UFLA
network_name_str Repositório Institucional da UFLA
repository_id_str
spelling Predição genômica ampla de híbridos simples de milho considerando modelo não aditivoMelhoramento genéticoEpistasiaHeteroseEpistasisHeterosisModelo bayesianoBreedingCNPQ_NÃO_INFORMADOCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Produção VegetalAvaliou-se por simulação o comportamento de modelos de predição genômica frente à inclusão de efeitos não aditivos de dominância e/ou epistasias na predição de híbridos simples de milho para o caráter peso de espiga. Os objetivos foram avaliar modelos G-BLUP de predição de híbridos e compará-los com os modelos Bayesian Ridge Regression (BRR), Bayes A, Bayes LASSO, Bayes C, Bayes B e Bayesian Reproducing Kernel Hilbert Spaces Regression (RKHS), implementados no pacote BGLR do software R, com inclusão ou ausência de efeitos não aditivos em três cenários de herdabilidade. Utilizaram-se dados do banco de germoplasma de milho do Departamento de Agricultura dos EUA para encontrar valores paramétricos de componentes de variância, a partir de dados fenotípicos disponíveis, e com isso simulou-se a obtenção de 400 híbridos simples entre dois grupos de linhagens retirados do total de dados. Os modelos foram comparados via soma de quadrados dos erros de predição (PRESS), acurácia preditiva, estimação de componentes de variância, correlação dos valores estimados e simulados e por fim, herdabilidade dos vários tipos de efeitos genéticos presentes em cada situação. Os modelos respondem positivamente à inclusão de efeitos não aditivos de dominância. As estimativas também tornam-se mais precisas quanto maior a herdabilidade considerada. As performances dos modelos variam de acordo com a faixa de herdabilidade considerada. As piores estimativas de efeitos genéticos estão relacionadas aos efeitos epistáticos. Assim, conclui-se que as estimativas obtidas com os modelos G-BLUP, principalmente, e com os demais modelos testados tornam-se mais precisas quando se consideram os efeitos não aditivos para um caráter quantitativo como o peso de espigas de milho.It was evaluated by simulation the behavior of genomic prediction models against the inclusion of non-additive effects of dominance and/or epistasis at the prediction of single cross hybrids of maize for the ear weight character. The objectives were to assess G-BLUP models of hybrid prediction with inclusion of non-additive effects and compare with the Bayesian Ridge Regression (BRR), Bayes A, Bayes LASSO, Bayes C, Bayes B and Bayesian Reproducing Kernel Hilbert Spaces Regression (RKHS) models, implemented in the BGLR package of R software, with inclusion or absence of non-additive effect in three scenarios of heritability. It was used data from the maize germplasm bank of the United States Department of Agriculture to find parametric values of variance components, from phenotypic data available, and with it simulated the achievement of 400 single cross hybrids between two groups of lines taken from the whole data available. The models were compared by sum of squares of prediction errors (PRESS), accuracy of prediction, estimation of variance components, correlation between simulated and estimated values and finally heritability of several kinds of genetics effects present in every situation. Altogether, all the models responded positively to the inclusion of non-additive effects, especially dominance. For some comparative criteria, the G-BLUP models performed notably higher to the others, but the opposite was not found for any of the other models. Slight differences among the performance of the models occurred according to the heritability range considered. The worst estimates of genetic effects were always related to the epistatic effects. So, it was concluded that the resulting estimates with the G-BLUP models, mainly, and the other models tested became more accurate when taking into account non-additive effects for a quantitative character as ear weight in maize.UNIVERSIDADE FEDERAL DE LAVRASDAG - Departamento de AgriculturaUFLABRASILVon Pinho, Renzo GarciaLima, Rodrigo Oliveira deCarvalho, Samuel Pereira dePereira, Helcio Duarte2015-03-25T12:49:32Z2015-03-25T12:49:32Z20152015-02-13info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfPEREIRA, H. D. Predição genômica ampla de híbridos simples de milho considerando modelo não aditivo. 2015. 78 p. Dissertação (Mestrado em Agronomia/Fitotecnia) - Universidade Federal de Lavras, Lavras, 2015.http://repositorio.ufla.br/jspui/handle/1/5275info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFLAinstname:Universidade Federal de Lavras (UFLA)instacron:UFLA2023-05-29T13:18:18Zoai:localhost:1/5275Repositório InstitucionalPUBhttp://repositorio.ufla.br/oai/requestnivaldo@ufla.br || repositorio.biblioteca@ufla.bropendoar:2023-05-29T13:18:18Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)false
dc.title.none.fl_str_mv Predição genômica ampla de híbridos simples de milho considerando modelo não aditivo
title Predição genômica ampla de híbridos simples de milho considerando modelo não aditivo
spellingShingle Predição genômica ampla de híbridos simples de milho considerando modelo não aditivo
Pereira, Helcio Duarte
Melhoramento genético
Epistasia
Heterose
Epistasis
Heterosis
Modelo bayesiano
Breeding
CNPQ_NÃO_INFORMADO
title_short Predição genômica ampla de híbridos simples de milho considerando modelo não aditivo
title_full Predição genômica ampla de híbridos simples de milho considerando modelo não aditivo
title_fullStr Predição genômica ampla de híbridos simples de milho considerando modelo não aditivo
title_full_unstemmed Predição genômica ampla de híbridos simples de milho considerando modelo não aditivo
title_sort Predição genômica ampla de híbridos simples de milho considerando modelo não aditivo
author Pereira, Helcio Duarte
author_facet Pereira, Helcio Duarte
author_role author
dc.contributor.none.fl_str_mv Von Pinho, Renzo Garcia
Lima, Rodrigo Oliveira de
Carvalho, Samuel Pereira de
dc.contributor.author.fl_str_mv Pereira, Helcio Duarte
dc.subject.por.fl_str_mv Melhoramento genético
Epistasia
Heterose
Epistasis
Heterosis
Modelo bayesiano
Breeding
CNPQ_NÃO_INFORMADO
topic Melhoramento genético
Epistasia
Heterose
Epistasis
Heterosis
Modelo bayesiano
Breeding
CNPQ_NÃO_INFORMADO
description Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
publishDate 2015
dc.date.none.fl_str_mv 2015-03-25T12:49:32Z
2015-03-25T12:49:32Z
2015
2015-02-13
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv PEREIRA, H. D. Predição genômica ampla de híbridos simples de milho considerando modelo não aditivo. 2015. 78 p. Dissertação (Mestrado em Agronomia/Fitotecnia) - Universidade Federal de Lavras, Lavras, 2015.
http://repositorio.ufla.br/jspui/handle/1/5275
identifier_str_mv PEREIRA, H. D. Predição genômica ampla de híbridos simples de milho considerando modelo não aditivo. 2015. 78 p. Dissertação (Mestrado em Agronomia/Fitotecnia) - Universidade Federal de Lavras, Lavras, 2015.
url http://repositorio.ufla.br/jspui/handle/1/5275
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv UNIVERSIDADE FEDERAL DE LAVRAS
DAG - Departamento de Agricultura
UFLA
BRASIL
publisher.none.fl_str_mv UNIVERSIDADE FEDERAL DE LAVRAS
DAG - Departamento de Agricultura
UFLA
BRASIL
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFLA
instname:Universidade Federal de Lavras (UFLA)
instacron:UFLA
instname_str Universidade Federal de Lavras (UFLA)
instacron_str UFLA
institution UFLA
reponame_str Repositório Institucional da UFLA
collection Repositório Institucional da UFLA
repository.name.fl_str_mv Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)
repository.mail.fl_str_mv nivaldo@ufla.br || repositorio.biblioteca@ufla.br
_version_ 1815439104448397312

Registros relacionados