Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/9615
Full metadata record
DC FieldValueLanguage
dc.creatorSantos, Jhonathan Pedroso Rigal dos-
dc.date.accessioned2015-05-20T13:14:08Z-
dc.date.available2015-05-20T13:14:08Z-
dc.date.issued2015-05-20-
dc.date.submitted2015-04-01-
dc.identifier.citationSANTOS, J. P. R. dos. Inclusão de efeitos de dominância no modelo gblup multivariado para predição de híbridos simples de milho. 2015. 91 p. Dissertação (Mestrado em Genética e Melhoramento de Plantas)-Universidade Federal de Lavras, Lavras, 2015.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/9615-
dc.description.abstractNew proposals of models and application of prediction processes using molecular markers information can contribute to the reduction of financial expenses and identification of superior genotypes in maize breeding programs. Studies evaluating GBLUP model with the inclusion of dominance effects were not made in the univariate and multivariate context in the analysis of maize data. In this study, it was conducted a construction procedure of simple hybrids with phenotypic data and real molecular markers of 4091 maize lines of the public database Panzea. In this process, 400 simple hybrids were obtained and then analyzed using univariate and multivariate GBLUP model considering only additive effects, and in another configuration with the inclusion of dominance effects. Historical heritability scenario of five maize characters and in other conditions of genetic architecture for comparative research among the models, assessing their predictive capacity and decomposition of variance components. Significant differences were not detected between the multivariate and univariate models. The main reason for this small discrepancy between the models is the low to moderate magnitude correlations among the characters studied and the moderate heritability observed. This condition does not favor the advantages of multivariate analysis. The inclusion of dominance effects in models is an efficient strategy to improve the predictive capacity and the quality of the variance components decomposition.-
dc.description.sponsorshipFundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG)pt_BR
dc.languagept_BRpt_BR
dc.publisherUNIVERSIDADE FEDERAL DE LAVRASpt_BR
dc.rightsacesso abertopt_BR
dc.subjectAnálise univariadapt_BR
dc.subjectAnálise multivariadapt_BR
dc.subjectUnivariate analysispt_BR
dc.subjectMultivariate analysispt_BR
dc.titleInclusão de efeitos de dominância no modelo GBLUP multivariado para predição de híbridos simples de milhopt_BR
dc.typedissertaçãopt_BR
dc.contributor.advisor-coBalestre, Marcio-
dc.publisher.programDBI - Programa de Pós-graduaçãopt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countryBRASILpt_BR
dc.contributor.advisor1Von Pinho, Renzo Garcia-
dc.contributor.referee1Fritsche-Neto, Roberto-
dc.description.resumoNovas propostas de modelos e aplicações de processos de predição com informações de marcadores moleculares podem contribuir na redução de gastos financeiros e identificações de genótipos superiores em programas de melhoramento de milho. Estudos avaliando modelos GBLUP com a inclusão de efeitos de dominância não foram realizados no contexto univariado e multivariado na análise de dados dessa cultura. Assim, neste estudo foi conduzido um procedimento de construção de híbridos simples com dados fenotípicos e de marcadores moleculares reais de 4.091 linhagens de milho do banco de dados público Panzea. Nesse processo, obteve-se 400 híbridos simples que foram analisados com o modelo GBLUP univariado e multivariado, considerando apenas efeitos aditivos, e em outra configuração com a inclusão de efeitos de dominância. Utilizou-se cenários de herdabilidade histórica de cinco caracteres e em outras condições de arquitetura genética para investigação comparativa entre os modelos, avaliando a capacidade preditiva e a de decomposição de componentes de variância. Diferenças expressivas não foram detectas entre os modelos multivariados e univariados. As principais justificativas para essa pequena discrepância entre os modelos são as correlações de magnitude baixa à moderada entre os caracteres estudados e as moderadas herdabilidades observadas. Essa condição não favorece as vantagens da análise multivariada. A inclusão de efeitos de dominância nos modelos mostrou ser uma estratégia eficiente para melhorar a capacidade preditiva e a qualidade da decomposição dos componentes de variância.pt_BR
dc.subject.cnpqCNPQ_NÃO_INFORMADOpt_BR
Appears in Collections:Genética e Melhoramento de Plantas - Mestrado (Dissertações)



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