“Inteligência Artificial: A Nova Fronteira da Ciência Brasileira”
19 a 24 de outubro de 2020
Trabalho 13651
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Pós-graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Agrárias |
| Área temática | Genética |
| Setor | Departamento de Biologia Geral |
| Bolsa | FAPEMIG |
| Conclusão de bolsa | Não |
| Apoio financeiro | FAPEMIG |
| Primeiro autor | Jeniffer Santana Pinto Coelho Evangelista |
| Orientador | LEONARDO LOPES BHERING |
| Outros membros | Emanuel Ferrari do Nascimento |
| Título | Inferência Bayesiana e seleção via FAID: aplicação no melhoramento de soja. |
| Resumo | A interação genótipo por ambiente (G × E), pode causar dificuldades na seleção genética, pois esta influencia a expressão gênica. Nesse contexto, é necessário utilizar métodos precisos para a predição dos valores genéticos. Atualmente a inferência Fisheriana é a mais utilizada para as estimativas dos componentes de (co) variância e valores genéticos. Entretanto, muitas pesquisas, ao comparar inferências Bayesiana x Fisheriana, relatam aumento na precisão preditiva ao utilizar inferência Bayesiana. Diante do exposto, o objetivo deste estudo foi: Avaliar a aplicabilidade e eficiência do índice análise de fatores e ideótipos desejados (FAID) na seleção de genótipos adaptados e estáveis de soja via inferência Bayesiana. Foram utilizados dados referentes à avaliação de 30 genótipos de soja, em 10 municípios, em relação à característica produtividade de grãos em kg ha-1. O delineamento experimental utilizado foi blocos ao acaso, com três repetições. O melhor ajuste de modelo foi testado utilizando o critério de informação de desvio (DIC). Os componentes de variância dos parâmetros genéticos e não genéticos e valores genotípicos foram obtidos através da amostragem de Gibbs via algoritmo de Monte Carlo Cadeia de Markov (MCMC). O índice FAID foi utilizado como estratégia para identificar os genótipos com adaptabilidade e estabilidade, e a intensidade de seleção aplicada foi 20%. Valores de DIC indicam que o melhor ajuste de modelo é o completo, ou seja, todos os efeitos aleatórios do modelo estatístico são significativos. O intervalo HPD das densidades posteriores dos parâmetros genéticos e não genético, constatou significância para todos os componentes de variância, isto é, ambos os intervalos não contiveram o valor zero, para nenhum componente de variância estimado. Os efeitos associados aos genótipos, interação G × E e resíduos explicaram 19%, 21% e 60%, respectivamente, da variância fenotípica. Correlação genótipo x ambiente de magnitude fraca foi detectada através dos locais, indicando interação GE do tipo complexa. A acurácia seletiva indica uma precisão experimental muito alta (0.90). Os genótipos 5, 6, 9, 15, 21 e 28 foram selecionados com maior adaptabilidade, estabilidade e produtividade, e o ganho previsto com a seleção, para todos os ambientes simultaneamente, foi de 4.81%. A inferência Bayesiana juntamente com o índice FAIG, demonstram sua eficiência e aplicabilidade, selecionando genótipos adaptáveis, estáveis e produtivos, alcançando ganhos consideráveis para os ambientes avaliados. |
| Palavras-chave | MCMC, DIC, seleção genética. |
| Forma de apresentação..... | Painel |
| Link para apresentação | Painel |
|---|