Conexão de Saberes e Mundialização

19 a 24 de outubro de 2015

Trabalho 3972

ISSN 2237-9045
Instituição Universidade Federal de Viçosa
Nível Pós-graduação
Modalidade Pesquisa
Área de conhecimento Ciências Agrárias
Área temática Genética e melhoramento vegetal
Setor Departamento de Estatística
Bolsa CAPES
Conclusão de bolsa Não
Apoio financeiro CAPES, CNPq, FAPEMIG
Primeiro autor Gabi Nunes Silva
Orientador COSME DAMIAO CRUZ
Outros membros Eveline Teixeira Caixeta, Laís Mayara Azevedo Barroso, MOYSES NASCIMENTO, Vinícius Quintao Carneiro
Título Predição da resistência à ferrugem em Coffea arabica por meio de redes neurais artificiais
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.
Palavras-chave Predição, inteligência artificial, marcadores moleculares
Forma de apresentação..... Painel
Gerado em 0,64 segundos.