Seleção genômica ampla para curvas de crescimento

Detalhes bibliográficos
Autor(a) principal: Silva, F.F.
Data de Publicação: 2013
Outros Autores: Rocha, G.S., Resende, M.D.V., Guimarães, S.E.F., Peternelli, L.A., Duarte, D.A.S., Azevedo, C.
Tipo de documento: Artigo
Idioma: por
Título da fonte: LOCUS Repositório Institucional da UFV
Texto Completo: http://dx.doi.org/10.1590/S0102-09352013000500033
http://www.locus.ufv.br/handle/123456789/18380
Resumo: Foi proposta uma metodologia para avaliação genética de curvas de crescimento considerando-se informações de marcadores SNPs (Single Nucleotide Polymorphisms). Em um primeiro passo foram ajustados modelos de crescimento não lineares (logístico) aos dados de peso-idade de cada animal, e em um segundo passo as estimativas dos parâmetros de tais modelos foram consideradas como fenótipos em um modelo de regressão (LASSO Bayesiano – BL) cujas covariáveis foram os genótipos dos marcadores SNPs. Este enfoque possibilitou estimar os valores genéticos genômicos (GBV) para peso em qualquer tempo da trajetória de crescimento, refletindo na confecção de curvas de crescimento genômicas, as quais permitiram a identificação de grupos de indivíduos geneticamente superiores em relação à eficiência de crescimento. Os dados simulados utilizados neste estudo foram constituídos de 2000 indivíduos (1000 na população de treinamento e 1000 na população de validação) contendo 453 marcadores SNPs distribuídos sobre cinco cromossomos. Os resultados indicaram a alta eficiência do método BL em predizer GBVs da população de validação com base na população de treinamento (coeficientes de correlação variaram entre 0,79 e 0,93), bem como a alta eficiência na detecção de QTLs, uma vez que os marcadores com maiores efeitos estimados encontravam-se em posições dos cromossomos próximas àquelas nas quais se encontravam os verdadeiros QTLs postulados na simulação.
id UFV_804a9339ea59bb8e22b16e12424a7694
oai_identifier_str oai:locus.ufv.br:123456789/18380
network_acronym_str UFV
network_name_str LOCUS Repositório Institucional da UFV
repository_id_str 2145
spelling Silva, F.F.Rocha, G.S.Resende, M.D.V.Guimarães, S.E.F.Peternelli, L.A.Duarte, D.A.S.Azevedo, C.2018-03-22T11:49:08Z2018-03-22T11:49:08Z2013-0316784162http://dx.doi.org/10.1590/S0102-09352013000500033http://www.locus.ufv.br/handle/123456789/18380Foi proposta uma metodologia para avaliação genética de curvas de crescimento considerando-se informações de marcadores SNPs (Single Nucleotide Polymorphisms). Em um primeiro passo foram ajustados modelos de crescimento não lineares (logístico) aos dados de peso-idade de cada animal, e em um segundo passo as estimativas dos parâmetros de tais modelos foram consideradas como fenótipos em um modelo de regressão (LASSO Bayesiano – BL) cujas covariáveis foram os genótipos dos marcadores SNPs. Este enfoque possibilitou estimar os valores genéticos genômicos (GBV) para peso em qualquer tempo da trajetória de crescimento, refletindo na confecção de curvas de crescimento genômicas, as quais permitiram a identificação de grupos de indivíduos geneticamente superiores em relação à eficiência de crescimento. Os dados simulados utilizados neste estudo foram constituídos de 2000 indivíduos (1000 na população de treinamento e 1000 na população de validação) contendo 453 marcadores SNPs distribuídos sobre cinco cromossomos. Os resultados indicaram a alta eficiência do método BL em predizer GBVs da população de validação com base na população de treinamento (coeficientes de correlação variaram entre 0,79 e 0,93), bem como a alta eficiência na detecção de QTLs, uma vez que os marcadores com maiores efeitos estimados encontravam-se em posições dos cromossomos próximas àquelas nas quais se encontravam os verdadeiros QTLs postulados na simulação.A methodology was proposed for the genetic evaluation of growth curves considering SNP (Single Nucleotide Polymorphisms) markers. At the first step, nonlinear regression growth models (Logistic) were fitted to the weight-age of each animal, and on second step the parameter estimates of the Logistic model were used as phenotype in a regression model (Bayesian LASSO - BL) which covariates were given by SNP genotypes. This approach allows the estimation of GBV (Genomic Breeding Values) for weight at either time of growth trajectory, allowing also the production of genomic growth curves, which selected groups of individuals with larger growth efficiency. The simulated data set was constituted of 2,000 individuals (being 1,000 in the training and 1,000 in the validation population) each one with 453 SNP markers distributed along 5 chromosomes. The results indicated high efficiency of the BL method to predict GBV in the validation population using information from the training population (correlation coefficients varying between 0.79 and 0.93). The BL also presented high efficiency to detect QTL, once the most expressive estimated SNP effects were located at positions closed to true QTL position fixed in the simulation.porArquivo Brasileiro de Medicina Veterinária e Zootecniav. 65, n. 5, p. 1519-1526, Outubro 2013SNPLASSO bayesianoDados longitudinaisSeleção genômica ampla para curvas de crescimentoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleapplication/pdfinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFVORIGINALartigo.pdfartigo.pdftexto completoapplication/pdf536778https://locus.ufv.br//bitstream/123456789/18380/1/artigo.pdf0a52ce67df2942c661a93548bf601babMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://locus.ufv.br//bitstream/123456789/18380/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52THUMBNAILartigo.pdf.jpgartigo.pdf.jpgIM Thumbnailimage/jpeg4397https://locus.ufv.br//bitstream/123456789/18380/3/artigo.pdf.jpg2538e170d992984b32a1f7c322179c2dMD53123456789/183802018-03-22 23:00:23.014oai:locus.ufv.br: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Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452018-03-23T02:00:23LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false
dc.title.pt-BR.fl_str_mv Seleção genômica ampla para curvas de crescimento
title Seleção genômica ampla para curvas de crescimento
spellingShingle Seleção genômica ampla para curvas de crescimento
Silva, F.F.
SNP
LASSO bayesiano
Dados longitudinais
title_short Seleção genômica ampla para curvas de crescimento
title_full Seleção genômica ampla para curvas de crescimento
title_fullStr Seleção genômica ampla para curvas de crescimento
title_full_unstemmed Seleção genômica ampla para curvas de crescimento
title_sort Seleção genômica ampla para curvas de crescimento
author Silva, F.F.
author_facet Silva, F.F.
Rocha, G.S.
Resende, M.D.V.
Guimarães, S.E.F.
Peternelli, L.A.
Duarte, D.A.S.
Azevedo, C.
author_role author
author2 Rocha, G.S.
Resende, M.D.V.
Guimarães, S.E.F.
Peternelli, L.A.
Duarte, D.A.S.
Azevedo, C.
author2_role author
author
author
author
author
author
dc.contributor.author.fl_str_mv Silva, F.F.
Rocha, G.S.
Resende, M.D.V.
Guimarães, S.E.F.
Peternelli, L.A.
Duarte, D.A.S.
Azevedo, C.
dc.subject.pt-BR.fl_str_mv SNP
LASSO bayesiano
Dados longitudinais
topic SNP
LASSO bayesiano
Dados longitudinais
description Foi proposta uma metodologia para avaliação genética de curvas de crescimento considerando-se informações de marcadores SNPs (Single Nucleotide Polymorphisms). Em um primeiro passo foram ajustados modelos de crescimento não lineares (logístico) aos dados de peso-idade de cada animal, e em um segundo passo as estimativas dos parâmetros de tais modelos foram consideradas como fenótipos em um modelo de regressão (LASSO Bayesiano – BL) cujas covariáveis foram os genótipos dos marcadores SNPs. Este enfoque possibilitou estimar os valores genéticos genômicos (GBV) para peso em qualquer tempo da trajetória de crescimento, refletindo na confecção de curvas de crescimento genômicas, as quais permitiram a identificação de grupos de indivíduos geneticamente superiores em relação à eficiência de crescimento. Os dados simulados utilizados neste estudo foram constituídos de 2000 indivíduos (1000 na população de treinamento e 1000 na população de validação) contendo 453 marcadores SNPs distribuídos sobre cinco cromossomos. Os resultados indicaram a alta eficiência do método BL em predizer GBVs da população de validação com base na população de treinamento (coeficientes de correlação variaram entre 0,79 e 0,93), bem como a alta eficiência na detecção de QTLs, uma vez que os marcadores com maiores efeitos estimados encontravam-se em posições dos cromossomos próximas àquelas nas quais se encontravam os verdadeiros QTLs postulados na simulação.
publishDate 2013
dc.date.issued.fl_str_mv 2013-03
dc.date.accessioned.fl_str_mv 2018-03-22T11:49:08Z
dc.date.available.fl_str_mv 2018-03-22T11:49:08Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://dx.doi.org/10.1590/S0102-09352013000500033
http://www.locus.ufv.br/handle/123456789/18380
dc.identifier.issn.none.fl_str_mv 16784162
identifier_str_mv 16784162
url http://dx.doi.org/10.1590/S0102-09352013000500033
http://www.locus.ufv.br/handle/123456789/18380
dc.language.iso.fl_str_mv por
language por
dc.relation.ispartofseries.pt-BR.fl_str_mv v. 65, n. 5, p. 1519-1526, Outubro 2013
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 Arquivo Brasileiro de Medicina Veterinária e Zootecnia
publisher.none.fl_str_mv Arquivo Brasileiro de Medicina Veterinária e Zootecnia
dc.source.none.fl_str_mv reponame:LOCUS Repositório Institucional da UFV
instname:Universidade Federal de Viçosa (UFV)
instacron:UFV
instname_str Universidade Federal de Viçosa (UFV)
instacron_str UFV
institution UFV
reponame_str LOCUS Repositório Institucional da UFV
collection LOCUS Repositório Institucional da UFV
bitstream.url.fl_str_mv https://locus.ufv.br//bitstream/123456789/18380/1/artigo.pdf
https://locus.ufv.br//bitstream/123456789/18380/2/license.txt
https://locus.ufv.br//bitstream/123456789/18380/3/artigo.pdf.jpg
bitstream.checksum.fl_str_mv 0a52ce67df2942c661a93548bf601bab
8a4605be74aa9ea9d79846c1fba20a33
2538e170d992984b32a1f7c322179c2d
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)
repository.mail.fl_str_mv fabiojreis@ufv.br
_version_ 1801212943986065408