Buscar

 

RI UFLA (Universidade Federal de Lavras) >
DAG - Departamento de Agricultura >
DAG - Programa de Pós-graduação >
DAG - Agronomia/Fitotecnia - Mestrado (Dissertações) >

Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/5275

Title: Predição genômica ampla de híbridos simples de milho considerando modelo não aditivo
???metadata.dc.creator???: Pereira, Helcio Duarte
???metadata.dc.contributor.advisor1???: Von Pinho, Renzo Garcia
???metadata.dc.contributor.referee1???: Lima, Rodrigo Oliveira de
Carvalho, Samuel Pereira de
???metadata.dc.description.concentration???: Produção Vegetal
Keywords: Melhoramento genético
Epistasia
Heterose
Epistasis
Heterosis
Modelo bayesiano
Breeding
???metadata.dc.date.submitted???: 13-Feb-2015
Issue Date: 2015
???metadata.dc.description.sponsorship???: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
Citation: 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.
???metadata.dc.description.resumo???: Avaliou-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.
URI: http://repositorio.ufla.br/jspui/handle/1/5275
Publisher: UNIVERSIDADE FEDERAL DE LAVRAS
???metadata.dc.language???: pt_BR
Appears in Collections:DAG - Agronomia/Fitotecnia - Mestrado (Dissertações)

Files in This Item:

File Description SizeFormat
DISSERTACAO_Predição genômica ampla de híbridos simples de milho considerando modelo não aditivo.pdf492.6 kBAdobe PDFView/Open

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.


View Statistics

 


DSpace Software Copyright © 2002-2010  Duraspace - Feedback