“Bicentenário da Independência: 200 anos de ciência, tecnologia e inovação no Brasil e 96 anos de contribuição da UFV”.
8 a 10 de novembro de 2022
Trabalho 17152
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Agrárias |
| Área temática | Inteligência Artificial |
| Setor | Departamento de Estatística |
| Bolsa | PIBIC/CNPq |
| Conclusão de bolsa | Sim |
| Apoio financeiro | CNPq |
| Primeiro autor | Victória Manhago Salvador |
| Orientador | MOYSES NASCIMENTO |
| Outros membros | Antonio Carlos Baião de Oliveira, Eveline Teixeira Caixeta Moura, Noé Mitterhofer Eiterer Ponce de Leon da Costa |
| Título | Predição genômica da resistência a cercosporiose em Coffea arábica via Redes Neurais Artificiais |
| Resumo | O melhoramento genético do cafeeiro é um processo lento que demora anos. Para acelerar a identificação de variedades superiores é de suma importância que métodos de seleção mais eficientes e rápidos sejam desenvolvidos. Nesse contexto, a Seleção Genômica (SG), a qual permite predizer o mérito genético de plantas com base de informações moleculares com grande acurácia, se apresenta como uma metodologia interessante. Dentre os métodos utilizados para realizar a predição genômica, as Redes Neurais Artificias (RNA) capturam naturalmente as relações não-lineares entre os marcadores a partir dos dados de entrada. Desta forma, o uso de RNA em SG vem aumentando. O objetivo desse trabalho foi comparar a capacidade preditiva de diferentes arquiteturas de RNA na predição do mérito de genótipos quanto a resistência a cercosporiose em Coffea arábica. Foram utilizados dados de resistência a cercosporiose de 195 genótipos de Coffea arábica genotipados para 3824 marcadores. Os dados foram divididos em treinamento, 80% dos genótipos (156 indivíduos), e teste, 20% dos genótipos (39 indivíduos). As RNA utilizadas são do tipo Perceptron de Múltiplas Camadas, com duas camadas ocultas, cada uma variando 1 a 20 neurônios. Foram consideradas para o ajuste diferentes números de iterações, sendo eles 10, 20, 30, 40, 50, 60, 100, 300 e 500. Para a comparação foram utilizadas a capacidade preditiva e erro quadrático médio com métricas. O maior valor de capacidade preditiva (0,60) foi obtido por meio do ajuste de uma RNA com 2 neurônios na primeira e 12 neurônios na segunda camada oculta. Essa RNA também apresentou menor valor de erro quadrático médio (0,81) indicando um baixo viés. Em termos do número de iterações, foi observado que o aumento do mesmo para o ajuste da RNA resultou em modelos com menores capacidades preditivas. Esse resultado pode ser explicado devido ao fenômeno denotado por overfitting, ou seja, um modelo obtém ótimos resultados em sua população de treinamento, mas possui pobre performance na realização de predições. |
| Palavras-chave | café, melhoramento genético, inteligência artificial |
| Forma de apresentação..... | Painel |
| Link para apresentação | Painel |
|---|