Exportar registro bibliográfico

Development and application of statistical genetic methods to genomic prediction in Coffea canephora (2017)

  • Authors:
  • Autor USP: FERRãO, LUíS FELIPE VENTORIM - ESALQ
  • Unidade: ESALQ
  • Sigla do Departamento: LGN
  • Subjects: CAFÉ; GENÔMICA; MARCADOR MOLECULAR; MODELOS MATEMÁTICOS; REGRESSÃO LINEAR; SELEÇÃO GENÉTICA
  • Language: Inglês
  • Abstract: Seleção Genômica pode ser definida como a seleção simultânea de centenas ou milhares de marcadores moleculares, os quais cobrem o genoma de forma densa, de modo que locos de caracteres quantitativos (QTL) estejam em desequilíbrio de ligação com uma parte desses marcadores. Assim, marcadores associados a QTLs, independentemente da significância dos seus efeitos, são utilizados na predição do mérito genético de um indivíduo para um determinado caráter. Simulações e estudos empíricos mostram que essa abordagem apresenta acurácia suficiente para garantir o sucesso em programas de melhoramento genético, quando comparado com os métodos tradicionais de seleção fenotípica. Para tanto, uma das etapas requeridas é o uso de modelos genético-estatísticos que contemplem a predição fidedigna da performance fenotípica da população sob estudo. Apesar da relevância, o número de estudos no gênero Coffea ainda são reduzidos, não havendo relatos sobre o desempenho desses modelos em diferentes populações e ambientes, ou mesmo, a sua performance para diferentes caracteres agronômicos do cafeeiro. Dessa forma, este estudo tem como finalidade investigar aspectos relacionados a modelagem estatística, a fim de compreender quais são os fatores que tornam os modelos preditivos mais acurados e utiliza-los em programas aplicados de melhoramento genético. Dados reais de duas populações de seleção recorrente de Coffea canephora, avaliados em dois ambientes e genotipados pela tecnologia de genotipagem porsequenciamento (GBS, do inglês Genotyping-by-Sequencing) foram considerados para o estudo da relação entre genótipo-fenótipo. Em termos de modelagem estatística, duas classes de modelos foram considerados: i) Modelos mistos, baseados no cálculo da matriz de parentesco realizado como medida de (co)variância genética entre indivíduos (modelo GBLUP); e ii) Modelos de associação multilocos, no qual milhares de marcadores moleculares são modelados simultaneamente e os efeitos estimados dos marcadores são somados, a fim de computar o mérito genético dos indivíduos. Ambas estratégias foram descritas em capítulos separados no formato de artigo científico. O capítulo intitulado "A mixed model to multiplicative harvest-location trial applied to genomic prediction in Coffea canephora" abordou uma expansão do modelo GBLUP de modo a contemplar efeitos de interações entre Genótipo × Colheita e Genótipo × Local. Para tanto, apropriadas estruturas de variância e covariância para modelagem da heterogeneidade e correlação dos efeitos genéticos e residuais foram testadas. O modelo proposto, denominado de MET.GBLUP, apresentou melhor qualidade de ajuste e capacidade preditiva, quando comparado com outros métodos. O capítulo em sequência, intitulado de "Comparison of statistical methods and reliability of genomic prediction in Coffea canephora population" investigou a capacidade preditiva de diferentes modelos de associação multilocos. A suposição usual de efeitos dos marcadores amostradosde uma distribuição normal foi relaxada, a fim de testar métodos alternativos que pudessem melhor descrever o fenômeno biológico e, consequentemente, resultar em maior capacidade preditiva. Embora os modelos testados sejam conceitualmente distintos, diferenças mínimas nos valores de acurácia de predição foram observadas nos cenários testados. Em termos de demanda computacional, modelos Bayesianos apresentaram maior tempo de análise. Os resultados descritos em ambos os capítulos apoiam o potencial do uso da seleção genômica em programas de melhoramento assistido de café. Em termos práticos, comparado com métodos tradicionais de avaliação fenotípica, é esperado que a implementação desses conceitos em programas de seleção recorrente possam acelerar o ciclo de melhoramento, manter a diversidade genética e, sobretudo, aumentar o ganho genético por unidade de tempo
  • Imprenta:
  • Data da defesa: 07.04.2017
  • Acesso à fonte
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      FERRÃO, Luís Felipe Ventorim; GARCIA, Antonio Augusto Franco. Development and application of statistical genetic methods to genomic prediction in Coffea canephora. 2017.Universidade de São Paulo, Piracicaba, 2017. Disponível em: < http://www.teses.usp.br/teses/disponiveis/11/11137/tde-17082017-143756/ >.
    • APA

      Ferrão, L. F. V., & Garcia, A. A. F. (2017). Development and application of statistical genetic methods to genomic prediction in Coffea canephora. Universidade de São Paulo, Piracicaba. Recuperado de http://www.teses.usp.br/teses/disponiveis/11/11137/tde-17082017-143756/
    • NLM

      Ferrão LFV, Garcia AAF. Development and application of statistical genetic methods to genomic prediction in Coffea canephora [Internet]. 2017 ;Available from: http://www.teses.usp.br/teses/disponiveis/11/11137/tde-17082017-143756/
    • Vancouver

      Ferrão LFV, Garcia AAF. Development and application of statistical genetic methods to genomic prediction in Coffea canephora [Internet]. 2017 ;Available from: http://www.teses.usp.br/teses/disponiveis/11/11137/tde-17082017-143756/

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2021