Predição genômica de híbridos de milho para caracteres de arquitetura oligogênica e sob diferentes parâmetros de penalização e correção de fenótipo (2016)
- Authors:
- Autor USP: GALLI, GIOVANNI - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LGN
- Subjects: FENÓTIPOS; GENÔMICA; HIBRIDAÇÃO VEGETAL; MILHO
- Language: Português
- Abstract: O alcance de altas produtividades em milho (Zea mays L.) depende do desenvolvimento de híbridos, o principal produto explorado nos programas de melhoramento. O sucesso na obtenção deste tipo de cultivar é conseguido com extensivo cruzamento de linhagens, seguido de avaliações para identificação das combinações de maior potencial. Geralmente, o melhorista tem à sua disponibilidade grande número de linhagens, possibilitando a realização de centenas a milhares de cruzamentos distintos, dos quais apenas uma pequena quantidade pode ser avaliada experimentalmente devido a limitação de tempo e recursos. Com o advento da Seleção Genômica (GS) tornou-se possível predizer o comportamento destes indivíduos não avaliados com base em seu genoma. No decorrer do processo de consolidação da GS várias metodologias foram propostas. A aptidão destas em predizer desempenhos fenotípicos é dependente da sua capacidade de acomodar a arquitetura genética das características e lidar com a multicolinearidade das matrizes genômicas. Neste sentido, métodos baseados em modelos mistos podem apresentar menor eficiência na predição de características oligogênicas devido à não capacidade de representar a distribuição real do efeito dos QTL. Além disso, a regularização das predições na presença de multicolinearidade é realizada por meio de um parâmetro de penalização (λ), o qual pode ser estimado de várias formas e consequentemente modificar a acurácia dos modelos. Além do aprimoramento dos métodos,outro aspecto importante é o procedimento de correção dos dados fenotípicos previamente à GS, o qual não é consenso na comunidade científica. Diante do exposto, este trabalho objetivou: verificar o efeito das formas de obtenção do λ (via REML na GS e pela herdabilidade da característica) e da correção do fenótipo (valor genotípico e média ajustada) na GS e avaliar a eficiência da modelagem diferencial de QTL de maior efeito na capacidade preditiva da metodologia G-BLUP, comparando-a ao LASSO Bayesiano, BayesB e G-BLUP convencional. Para isso foram utilizadas informações de híbridos simples de milho tropical avaliados em cinco locais para produtividade de grãos, altura de planta e espiga no ano de 2015. Os dados genômicos foram obtidos com a plataforma Affymetrix® Axiom® Maize Genotyping Array de 616.201 SNPs. Foram estudados diferentes cenários de GS considerando os fatores supracitados, sendo estes comparados entre si por suas capacidades preditivas e seletivas. Os resultados obtidos indicam que a correção do fenótipo e a forma de estimação de λ afetam a capacidade preditiva. O uso de valores genotípicos como correção dos fenótipos e estimação de λ via REML apresentaram os melhores resultados. Foi também observado que a modelagem de SNPs de maior efeito como fator fixo aumenta discretamente a capacidade preditiva da metodologia G-BLUP para as características oligogênicas avaliadas (altura de planta e espiga), sendo indicado o uso do G-BLUPconvencional. Complementarmente, observou-se que a GS apresentou modesta eficiência na seleção de híbridos superiores sob intensidades moderadas. Entretanto, a sua alta capacidade de selecionar sob baixa intensidade pode ser amplamente explorada nos programas de melhoramento de milho visando a seleção precoce direta
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2016
- Data da defesa: 29.06.2016
-
ABNT
GALLI, Giovanni. Predição genômica de híbridos de milho para caracteres de arquitetura oligogênica e sob diferentes parâmetros de penalização e correção de fenótipo. 2016. Dissertação (Mestrado) – Universidade de São Paulo, Piracicaba, 2016. Disponível em: http://www.teses.usp.br/teses/disponiveis/11/11137/tde-09082016-172924/. Acesso em: 23 jan. 2026. -
APA
Galli, G. (2016). Predição genômica de híbridos de milho para caracteres de arquitetura oligogênica e sob diferentes parâmetros de penalização e correção de fenótipo (Dissertação (Mestrado). Universidade de São Paulo, Piracicaba. Recuperado de http://www.teses.usp.br/teses/disponiveis/11/11137/tde-09082016-172924/ -
NLM
Galli G. Predição genômica de híbridos de milho para caracteres de arquitetura oligogênica e sob diferentes parâmetros de penalização e correção de fenótipo [Internet]. 2016 ;[citado 2026 jan. 23 ] Available from: http://www.teses.usp.br/teses/disponiveis/11/11137/tde-09082016-172924/ -
Vancouver
Galli G. Predição genômica de híbridos de milho para caracteres de arquitetura oligogênica e sob diferentes parâmetros de penalização e correção de fenótipo [Internet]. 2016 ;[citado 2026 jan. 23 ] Available from: http://www.teses.usp.br/teses/disponiveis/11/11137/tde-09082016-172924/ - Improving the emulsifying property of potato protein by hydrolysis: an application as encapsulating agent with maltodextrin
- Potato protein: current review of structure, technological properties, and potential application on spray drying microencapsulation
- High-throughput phenotyping via UAS: the optimization within a breeding program and a new validation method based on simulation
- Population-tailored mock genome enables genomic studies in species without a reference genome
- Optimization of UAS‐based high‐throughput phenotyping to estimate plant health and grain yield in sorghum
- The effect of bienniality on genomic prediction of yield in arabica coffee
- Deep purple - an open-pollinated variety to induce haploids in tropical maize
- On the usefulness of parental lines GWAS for predicting low heritability traits in tropical maize hybrids
- CV-α: designing validations sets to increase the precision and enable multiple comparison tests in genomic prediction
- Automated machine learning: a case study of genomic “image-based” prediction in maize hybrids
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas