Resumo |
O sucesso de um programa de melhoramento depende, fundamentalmente, da identificação mais acurada de genótipos superiores e inferência correta sobre o controle gênico das características desejadas. Estas informações genéticas são obtidas por análises biométricas aplicadas a conjunto de dados obtidos da experimentação agrícola. A maioria das metodologias com esta finalidade negligenciam os efeitos epistáticos sobre o controle gênico do caráter, ou seja, adota o modelo aditivo-dominante. Ainda não se dispõe de conhecimento sobre a real importância da ação gênica epistática sobre o controle das caraterísticas de importâncias econômicas e nem se dispõe de metodologias apropriadas que permitam quantificar a importância de tais efeitos. Portanto o objetivo deste trabalho é quantificar e verificar a influência da epistasia na predição genômica. Utilizou-se o Portal GENES com interface com o software MATLAB para as análises. Para isso, simulou-se uma população F2 em que a característica é controlada para dois genes com segregação 15:1. Realizou se um estudo de regressão que visou explicar os valores fenotípicos pelos efeitos dos marcados com que são importantes para a expressão da característica. O coeficiente de determinação (R²) foi o parâmetro usado para verificar a influencia da epistasia na característica. Além desses, para a identificação dos marcadores de maior importância e para realizar predição genômica utilizou-se a metodologia de RR-BLUP e de Redes Neurais Artificiais. A regressão informou que 44,24% é explicado por um modelo aditivo-dominante e que 55,76% é referente à efeitos epistáticos. O modelo RR-BLUP conseguiu identificar os marcadores de importância, no entanto teve baixa acurácia nos valores de predição, sendo 34,65% no treinamento e 19,33% na validação. As Redes Neurais Artificiais teve uma eficiência próxima 100% tanto para o treinamento quanto para a validação, e também identificou de forma eficiente os marcadores de importância para a expressão fenotípica da característica. Assim, as Redes Neurais Artificiais demonstraram elevada capacidade de predição genômica mesmo em caracteres muito influenciados pelos efeitos epistáticos, o que não é observado no método de RR-BLUP. |