Resumo |
O café é uma cultura que pertence ao gênero Coffea da família Rubiaceae, e representa uma das principais culturas agrícolas cultivadas no Brasil, colocando o país como maior produtor e exportador mundial de café. Dentre as espécies de maior cultivo destaca-se o Coffea arabica. No Brasil, a principal doença que afeta a cafeicultura é a ferrugem alaranjada, causada por Hemileia vastatrix, sendo a pior em abrangência e danos pois atinge todas as regiões produtoras de café do mundo. Uma maneira de minimizar os prejuízos causados por essa praga consiste em lançar mão do melhoramento genético para a obtenção de variedades resistentes. Neste contexto, o sequenciamento do genoma das plantas e a identificação de marcadores moleculares associados à resistência têm sido utilizados em diversos trabalhos. Para predição e classificação de indivíduos, técnicas de seleção genômica ampla têm sido convencionalmente utilizadas, no entanto, essas técnicas apresentam algumas problemáticas como a suposição de normalidade do fenótipo em estudo, assim, sua aplicação em variáveis categóricas tais como resistência a ferrugem torna-se inadequada. Alternativamente às metodologias utilizadas até então, e visando contornar tais limitações, estudos utilizando Redes Neurais Artificiais (RNA) aplicadas ao melhoramento genético já estão sendo realizados. O objetivo deste trabalho é utilizar as RNA’s na predição da suscetibilidade quanto à resistência a ferrugem em C.arabica. Para o estudo, foram utilizados 245 indivíduos provenientes de uma população F2 (H511-1) oriundos da autofecundação do híbrido F1 H511-1, resultante do cruzamento da cultivar suscetível Catuaí Amarelo IAC 64 (UFV 2148-57) e do genitor resistente híbrido de Timor (UFV 443-03). A rede neural artificial implementada neste trabalho foi a single hidden layer back-propagation, utilizando-se 160 indivíduos escolhidos aleatoriamente para treinamento e os demais 85 indivíduos para validação da rede. Os argumentos necessários para a função da rede, tais como número de neurônios, valores iniciais para os pesos e taxa de decaimento foram escolhidos considerando a rede que forneceu um valor de erro de no máximo 15% para o conjunto de validação. A título de comparação, ao classificar os indivíduos, os resultados obtidos pela Rede Neural Artificial foram comparados com os resultados da metodologia de Seleção sob o enfoque bayesiano (BGLR). O percentual de coincidência obtida entre os resultados obtidos pelas duas metodologias foi de 77, 65%, indicando certa similaridade na predição dos indivíduos. Os resultados deste trabalho na área de predição genotípica evidenciam a potencialidade das redes neurais para predição/classificação de observações em classes pré-determinadas, demonstram ainda que as redes neurais artificiais se apresentam como uma abordagem promissora para predizer a suscetibilidade quanto à resistência à ferrugem em C. arabica, visto que a mesma apresentou baixa taxa de erro (0.10) de predição. |