“Inteligência Artificial: A Nova Fronteira da Ciência Brasileira”

19 a 24 de outubro de 2020

Trabalho 13591

ISSN 2237-9045
Instituição Universidade Federal de Viçosa
Nível Graduação
Modalidade Pesquisa
Área de conhecimento Ciências Agrárias
Área temática Agronomia
Setor Departamento de Agronomia
Bolsa Outros
Conclusão de bolsa Não
Primeiro autor Anderson Lopes Santos
Orientador FELIPE LOPES DA SILVA
Outros membros Bruno Grespan Leichtweis, João Marcos Soares Ferreira, Volmir Elton Scheffler Junior, Yasmin Timm Antunes
Título Análise de Componentes Principais em cultivares de soja do Banco Ativo de Germoplasma de Soja da UFV
Resumo A análise de componentes principais (ACP) é uma técnica multivariada de suma importância em programas de Melhoramento Genético. Essa técnica permite descartar variáveis que pouco contribuem para discriminação dos genótipos em estudo, contudo, os componentes são capazes de fornecer o máximo de informação acerca da variação presente nos dados. Diante do exposto, o presente trabalho teve como objetivo reduzir o conjunto de variáveis originais a um menor número de componentes independentes. Para isso, foram avaliados 162 cultivares de Soja previamente selecionadas do Banco Ativo de Germoplasma de Soja da UFV e conduzidos em dois ambientes no delineamento de blocos aumentados com sete blocos e seis tratamentos comuns. Foram mensurados caracteres como número de dias até a maturação, diâmetro do hipocótilo, altura de planta na maturação, altura da inserção da primeira vagem, ângulo de acamamento, número total de vagens, número de sementes por vagem, massa de cem sementes, teor de proteína nos grãos, porcentagem de óleo nos grãos e produção de grãos. As estimativas dos componentes principais foram obtidas via metodologia de ACP utilizando o critério de Kaiser–Meyer–Olkin (KMO) por meio do software R-Studio. Foi obtido a matriz de correlação dos dados fenotípicos expressos pelas variáveis originais, e posteriormente estimados os autovalores e autovetores correspondentes. Verificou-se que a ACP permitiu simplificar o modelo e reduzir a dimensão do estudo aos quatro primeiros componentes principais que representaram 26,89 %, 18,41 %, 10,43 % e 9,08 % respectivamente, com somatório dos quatro primeiros componentes de 64,83% da variação total. Além disso, observou-se que os componentes de baixa variabilidade apresentaram autovalores abaixo de 0,7. Nesse sentido, foram descartadas sete componentes que apresentaram menor expressão na variação total dos dados. Conclui-se que a análise de componentes principais mostrou-se efetiva em reduzir e explicar a variação total presente no conjunto de dados com apenas quatro componentes.
Palavras-chave Análise de componentes principais, técnica multivariada, melhoramento genético
Forma de apresentação..... Painel
Link para apresentação Painel
Gerado em 0,64 segundos.