Do Lógico ao Abstrato: A Ciência no Cotidiano
23 a 28 de outubro de 2017
Trabalho 8198
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Pós-graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Agrárias |
| Área temática | Outros |
| Setor | Departamento de Estatística |
| Bolsa | CAPES |
| Conclusão de bolsa | Não |
| Apoio financeiro | CAPES |
| Primeiro autor | Gabi Nunes Silva |
| Orientador | COSME DAMIAO CRUZ |
| Outros membros | Carla Aparecida de Oliveira Castro, Isabela de Castro Sant'anna, Ithalo Coêlho de Sousa, Rafael Paulo da Silva |
| Título | Redes Neurais Artificiais aplicadas à seleção genômica ampla em estudos de populações simuladas |
| Resumo | Nos programas de melhoramento genético o grande desafio é recomendar genótipos superiores de modo a aumentar a produtividade e a qualidade da produção. Para tanto, a seleção genômica ampla (GWS) tem sido amplamente adotada pois permite agregar informações moleculares aos valores fenotípicos mensurados. No entanto, problemas estatísticos relacionados à dimensionalidade e multicolinearidade e problemas genéticos relacionados a não inclusão de efeitos de dominância e epistasia nas modelagens adotadas prejudicam a acurácia da GWS. Com base no exposto, propõe-se o uso das Redes Neurais Artificiais (RNA) na predição de valores genéticos para duas características quantitativas, em detrimento ao uso do modelo RR-BLUP para GWS. Para tanto, foram utilizados 500 indivíduos provenientes de uma população simulada F1, oriunda do cruzamento de duas populações contrastantes, também obtidas via simulação. Os 500 indivíduos foram genotipados com 1000 marcadores moleculares. Procedeu-se então à redução de dimensionalidade das matrizes de marcadores via Regressão Stepwise. Assim, para as análises com RR-BLUP\GWS e RNA foram utilizados os arquivos reduzidos, com 500 indivíduos e 150 marcas selecionadas. A arquitetura de rede utilizada foi a backpropagation de múltiplas camadas, com três camadas ocultas, considerando um a quatro neurônios em cada camada. As funções de ativação utilizadas foram a log-sigmoidal e a tangente sigmoidal. Os resultados demonstraram que a redução de dimensionalidade via Regressão Stepwise aumenta em até duas vezes a acurácia de ambas as metodologias. Demonstraram ainda que as RNAs propiciaram predições mais acuradas que o RR-BLUP (REQMv de 106.4712 e 3.6312 para o RR-BLUP e RNA, respectivamente) no cenário mais simples – sem dominância – e que existência de efeitos de epistasia e dominância não foram fatores limitantes para as metodologias propostas, tendo em vista o baixo valor de REQM alcançado (20.06761) para o cenário mais complexo avaliado após a redução. Esse trabalho demonstra que o uso das Redes Neurais Artificiais no melhoramento constitui uma promissora ferramenta para fins de predição. |
| Palavras-chave | Genética, Estatística, Inteligência computacional |
| Forma de apresentação..... | Painel |