Using graphical models to investigate phenotypic networks involving polygenic traits (2018)
- Authors:
- Autor USP: PINTO, RENAN MERCURI - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LCE
- Subjects: ALGORITMOS GRÁFICOS; FENÓTIPOS; GENÉTICA ESTATÍSTICA; INFERÊNCIA BAYESIANA; MODELOS MATEMÁTICOS
- Keywords: Redes causais
- Agências de fomento:
- Language: Inglês
- Abstract: Compreender a arquitetura causal subjacente à sistemas biológicos complexos é de grande valia na produção agrícola para o desenvolvimento de estratégias de manejo e seleção genética. Até o momento, a maior parte dos estudos neste contexto utiliza apenas conhecimento prévio para propor redes causais e/ou não considera fatores de confundimento genético na busca de estruturas, fato que pode ocultar relações importantes entre os fenótipos e viesar inferências sobre a rede causal. Nesta tese, exploramos alguns algoritmos de aprendizagem de estruturas e apresentamos um novo, chamado PolyMaGNet (do inglês, Polygenic traits with Major Genes Network analysis), para buscar estruturas causais recursivas entre características fenotípicas poligênicas complexas e permitindo, também, a possibilidade de efeitos de genes maiores que as afetam. Resumidamente, um modelo misto de múltiplas características é ajustado usando abordagem Bayesiana considerando os genes maiores como covariáveis no modelo. Em seguida, amostras posteriores da matriz de covariância residual são usadas como entrada para o algoritmo de causação indutiva para pesquisar estruturas causais putativas, as quais são comparadas usando o critério de informação de Akaike. O desempenho do PolyMaGNet foi avaliado e comparado com outra abordagem bastante utilizada por meio de um estudo simulado considerando uma população de mapeamento de QTL. Os resultados mostraram que, na presença de genes maiores, o método PolyMaGNet recuperou averdadeira estrutura do esqueleto, bem como as direções causais, com uma taxa de efetividade maior. O método é ilustrado também utilizando-se um conjunto de dados reais de uma população de suínos F2 Duroc × Pietrain para recuperar a estrutura causal subjacente à características fenotípicas relacionadas a qualidade da carcaça, carne e composição química. Os resultados corroboraram com a literatura sobre as relações de causa-efeito entre os fenótipos e também forneceram novos conhecimentos sobre a rede fenotípica e sua arquitetura genética
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2018
- Data da defesa: 28.03.2018
-
ABNT
PINTO, Renan Mercuri. Using graphical models to investigate phenotypic networks involving polygenic traits. 2018. Tese (Doutorado) – Universidade de São Paulo, Piracicaba, 2018. Disponível em: http://www.teses.usp.br/teses/disponiveis/11/11134/tde-25072018-180027/. Acesso em: 24 abr. 2024. -
APA
Pinto, R. M. (2018). Using graphical models to investigate phenotypic networks involving polygenic traits (Tese (Doutorado). Universidade de São Paulo, Piracicaba. Recuperado de http://www.teses.usp.br/teses/disponiveis/11/11134/tde-25072018-180027/ -
NLM
Pinto RM. Using graphical models to investigate phenotypic networks involving polygenic traits [Internet]. 2018 ;[citado 2024 abr. 24 ] Available from: http://www.teses.usp.br/teses/disponiveis/11/11134/tde-25072018-180027/ -
Vancouver
Pinto RM. Using graphical models to investigate phenotypic networks involving polygenic traits [Internet]. 2018 ;[citado 2024 abr. 24 ] Available from: http://www.teses.usp.br/teses/disponiveis/11/11134/tde-25072018-180027/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
