Hierarchical genetic clusters for phenotypic analysis
Autor(a) principal: | |
---|---|
Data de Publicação: | 2013 |
Outros Autores: | , , , |
Tipo de documento: | Artigo |
Idioma: | eng |
Título da fonte: | LOCUS Repositório Institucional da UFV |
Texto Completo: | http://dx.doi.org/10.4025/actasciagron.v37i4.19746 http://www.locus.ufv.br/handle/123456789/18448 |
Resumo: | Visando auxiliar o melhorista na escolha da melhor metodologia para análises de diversidade genética em populações de retrocruzamento avaliaram-se os métodos baseados em informações fenotípicas. Os fenótipos foram simulados para 13 características, geradas em 10 populações com 100 indivíduos cada. Geraram-se informações genotípicas de 100 locos, dos quais 20 foram tomados ao acaso para determinar as características, manifestando dois alelos. Medidas de dissimilaridade foram calculadas, e analisou-se a diversidade genética por meio agrupamento hierárquico e projeção gráfica das distâncias. A partir das duas populações mais divergentes fez-se o retrocruzamento. Considerou-se um conjunto de características com herdabilidade variável. Simulou-se o efeito ambiental admitindo distribuição normal, com média zero e variância σ2. Para as análises de agrupamentos hierárquicos utilizaram-se os métodos: Método de Gower, Ligação média dentro de grupo, Ligação média entre grupo, Vizinho mais distante, Vizinho mais próximo, Método de Ward, Método da mediana. O efeito ambiental e a herdabilidade das variáveis analisadas influenciaram o padrão de agrupamento de populações sob retrocruzamento. Em características de herdabilidade elevada, o método do Vizinho mais próximo foi o mais eficiente em reconstituir o retrocruzamento, além de ter apresentado a maior correlação cofenética, sendo considerada a melhor metodologia a priori e a posteriori. |
id |
UFV_a9d750a672b6ed08d0f9d254d229701e |
---|---|
oai_identifier_str |
oai:locus.ufv.br:123456789/18448 |
network_acronym_str |
UFV |
network_name_str |
LOCUS Repositório Institucional da UFV |
repository_id_str |
2145 |
spelling |
Matta, Luiza Barbosa daTomé, Lívia Gracielle OliveiraSalgado, Caio CésioCruz, Cosme DamiãoSilva, Letícia de Faria2018-03-26T11:04:15Z2018-03-26T11:04:15Z2013-07-111807-8621http://dx.doi.org/10.4025/actasciagron.v37i4.19746http://www.locus.ufv.br/handle/123456789/18448Visando auxiliar o melhorista na escolha da melhor metodologia para análises de diversidade genética em populações de retrocruzamento avaliaram-se os métodos baseados em informações fenotípicas. Os fenótipos foram simulados para 13 características, geradas em 10 populações com 100 indivíduos cada. Geraram-se informações genotípicas de 100 locos, dos quais 20 foram tomados ao acaso para determinar as características, manifestando dois alelos. Medidas de dissimilaridade foram calculadas, e analisou-se a diversidade genética por meio agrupamento hierárquico e projeção gráfica das distâncias. A partir das duas populações mais divergentes fez-se o retrocruzamento. Considerou-se um conjunto de características com herdabilidade variável. Simulou-se o efeito ambiental admitindo distribuição normal, com média zero e variância σ2. Para as análises de agrupamentos hierárquicos utilizaram-se os métodos: Método de Gower, Ligação média dentro de grupo, Ligação média entre grupo, Vizinho mais distante, Vizinho mais próximo, Método de Ward, Método da mediana. O efeito ambiental e a herdabilidade das variáveis analisadas influenciaram o padrão de agrupamento de populações sob retrocruzamento. Em características de herdabilidade elevada, o método do Vizinho mais próximo foi o mais eficiente em reconstituir o retrocruzamento, além de ter apresentado a maior correlação cofenética, sendo considerada a melhor metodologia a priori e a posteriori.Methods to obtain phenotypic information were evaluated to help breeders choosing the best methodology for analysis of genetic diversity in backcross populations. Phenotypes were simulated for 13 characteristics generated in 10 populations with 100 individuals each. Genotypic information was generated from 100 loci of which 20 were taken at random to determine the characteristics expressing two alleles. Dissimilarity measures were calculated, and genetic diversity was analyzed through hierarchical clustering and graphic projection of the distances. A backcross was performed from the two most divergent populations. A set of characteristics with variable heritability was taken into account. The environmental effect was simulated assuming x~N(0, σ2). For hierarchical clusters, the following methods were used: Gower Method, average linkage within the cluster, average linkage among clusters, the furthest neighbor method, the nearest neighbor method, Ward's method, and the median method. The environmental effect and heritability of the analyzed variables had an influence on the pattern of hierarchical clustering populations according to the backcrossed generations. The nearest neighbor method was the most efficient in reconstructing the system of backcrossing, and it presented the highest cophenetic correlation. The efficiency of the nearest neighbor method was the highest when the analysis involved characteristics of high heritability.engActa Scientiarum. Agronomyv. 37, n. 4, p. 447-456, Oct.-Dec 2015Hierarchical clusteringGenetic diversityBackcrossingHierarchical genetic clusters for phenotypic analysisinfo: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/pdf1043296https://locus.ufv.br//bitstream/123456789/18448/1/artigo.pdf2dba2aa5c1f6a550e13e0746258e0feaMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://locus.ufv.br//bitstream/123456789/18448/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52THUMBNAILartigo.pdf.jpgartigo.pdf.jpgIM Thumbnailimage/jpeg2225https://locus.ufv.br//bitstream/123456789/18448/3/artigo.pdf.jpg84e1208cf2f9a69bcab0c3e8529926a4MD53123456789/184482018-03-26 23:00:47.913oai:locus.ufv.br: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Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452018-03-27T02:00:47LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false |
dc.title.en.fl_str_mv |
Hierarchical genetic clusters for phenotypic analysis |
title |
Hierarchical genetic clusters for phenotypic analysis |
spellingShingle |
Hierarchical genetic clusters for phenotypic analysis Matta, Luiza Barbosa da Hierarchical clustering Genetic diversity Backcrossing |
title_short |
Hierarchical genetic clusters for phenotypic analysis |
title_full |
Hierarchical genetic clusters for phenotypic analysis |
title_fullStr |
Hierarchical genetic clusters for phenotypic analysis |
title_full_unstemmed |
Hierarchical genetic clusters for phenotypic analysis |
title_sort |
Hierarchical genetic clusters for phenotypic analysis |
author |
Matta, Luiza Barbosa da |
author_facet |
Matta, Luiza Barbosa da Tomé, Lívia Gracielle Oliveira Salgado, Caio Césio Cruz, Cosme Damião Silva, Letícia de Faria |
author_role |
author |
author2 |
Tomé, Lívia Gracielle Oliveira Salgado, Caio Césio Cruz, Cosme Damião Silva, Letícia de Faria |
author2_role |
author author author author |
dc.contributor.author.fl_str_mv |
Matta, Luiza Barbosa da Tomé, Lívia Gracielle Oliveira Salgado, Caio Césio Cruz, Cosme Damião Silva, Letícia de Faria |
dc.subject.pt-BR.fl_str_mv |
Hierarchical clustering Genetic diversity Backcrossing |
topic |
Hierarchical clustering Genetic diversity Backcrossing |
description |
Visando auxiliar o melhorista na escolha da melhor metodologia para análises de diversidade genética em populações de retrocruzamento avaliaram-se os métodos baseados em informações fenotípicas. Os fenótipos foram simulados para 13 características, geradas em 10 populações com 100 indivíduos cada. Geraram-se informações genotípicas de 100 locos, dos quais 20 foram tomados ao acaso para determinar as características, manifestando dois alelos. Medidas de dissimilaridade foram calculadas, e analisou-se a diversidade genética por meio agrupamento hierárquico e projeção gráfica das distâncias. A partir das duas populações mais divergentes fez-se o retrocruzamento. Considerou-se um conjunto de características com herdabilidade variável. Simulou-se o efeito ambiental admitindo distribuição normal, com média zero e variância σ2. Para as análises de agrupamentos hierárquicos utilizaram-se os métodos: Método de Gower, Ligação média dentro de grupo, Ligação média entre grupo, Vizinho mais distante, Vizinho mais próximo, Método de Ward, Método da mediana. O efeito ambiental e a herdabilidade das variáveis analisadas influenciaram o padrão de agrupamento de populações sob retrocruzamento. Em características de herdabilidade elevada, o método do Vizinho mais próximo foi o mais eficiente em reconstituir o retrocruzamento, além de ter apresentado a maior correlação cofenética, sendo considerada a melhor metodologia a priori e a posteriori. |
publishDate |
2013 |
dc.date.issued.fl_str_mv |
2013-07-11 |
dc.date.accessioned.fl_str_mv |
2018-03-26T11:04:15Z |
dc.date.available.fl_str_mv |
2018-03-26T11:04:15Z |
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/10.4025/actasciagron.v37i4.19746 http://www.locus.ufv.br/handle/123456789/18448 |
dc.identifier.issn.none.fl_str_mv |
1807-8621 |
identifier_str_mv |
1807-8621 |
url |
http://dx.doi.org/10.4025/actasciagron.v37i4.19746 http://www.locus.ufv.br/handle/123456789/18448 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.relation.ispartofseries.pt-BR.fl_str_mv |
v. 37, n. 4, p. 447-456, Oct.-Dec 2015 |
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 |
Acta Scientiarum. Agronomy |
publisher.none.fl_str_mv |
Acta Scientiarum. Agronomy |
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/123456789/18448/1/artigo.pdf https://locus.ufv.br//bitstream/123456789/18448/2/license.txt https://locus.ufv.br//bitstream/123456789/18448/3/artigo.pdf.jpg |
bitstream.checksum.fl_str_mv |
2dba2aa5c1f6a550e13e0746258e0fea 8a4605be74aa9ea9d79846c1fba20a33 84e1208cf2f9a69bcab0c3e8529926a4 |
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_ |
1801212972343754752 |