Haploid maize seeds prediction using deep learning and using mock reference genomes for genomic prediction of hybrids (2020)
- Authors:
- Autor USP: SABADIN, JOSÉ FELIPE GONZAGA - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LGN
- Subjects: APRENDIZADO COMPUTACIONAL; GENÔMICA; HIBRIDAÇÃO VEGETAL; MELHORAMENTO GENÉTICO VEGETAL; MILHO; POLIMORFISMO; REDES NEURAIS; SEMENTES
- Language: Inglês
- Abstract: A predição é um conceito chave para o melhoramento animal e de plantas. Estimativas acuradas dos valores fenotípicos e genéticos são fundamentais para a seleção dos melhores genótipos. Por isso, diversas ferramentas vêm sendo empregadas com o objetivo de melhorar a precisão dessas estimativas, desde marcadores moleculares, usados para acessar a informação genética, até a fenotipagem de alto rendimento, usada para aumentar o tamanho da amostra e a precisão fenotípica. Nesse trabalho, nós apresentamos dois estudos envolvendo o uso de diferentes abordagens e ferramentas no processo de predição. No primeiro capítulo, nós apresentamos um estudo envolvendo o uso de deep learning e imagens para a fenotipagem de sementes. Nele, nós construímos um modelo de rede neural convolucional (CNN) para classificar imagens de sementes haploides putativas e verdadeiras de milho baseadas no fenótipo R1-nj. Nossos resultados mostram que o modelo CNN foi capaz de classificar as sementes putativas com elevada acurácia (97%). No entanto, o modelo não conseguiu detectar as sementes haploides verdadeiras. Por fim, nós disponibilizamos à comunidade científica um modelo CNN treinado e com alta acurácia para classificar sementes haploides de milho. No último capítulo, nós estudamos a utilização de genomas mock para a descoberta de marcadores e o seu efeito sobre estimativas de diversidade genética e predição genômica de híbridos. Além disso, nós os comparamos com marcadores SNP oriundos de um SNP-array egenotyping-by-sequencing (GBS) ancorado no genoma de referência B73. Nossos resultados mostram que a utilização de genomas mock entrega estimativas comparáveis às plataformas padrão, quando consideramos caracteres simples e efeitos aditivos. No entanto, para caracteres complexos e para os efeitos de dominância as estimativas foram um pouco piores. Nós acreditamos que esses trabalhos adicionam conhecimento relevante para a predição fenotípica e genômica aplicado ao melhoramento vegetal
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2020
- Data da defesa: 04.12.2020
-
ABNT
SABADIN, José Felipe Gonzaga. Haploid maize seeds prediction using deep learning and using mock reference genomes for genomic prediction of hybrids. 2020. Tese (Doutorado) – Universidade de São Paulo, Piracicaba, 2020. Disponível em: https://teses.usp.br/teses/disponiveis/11/11137/tde-12022021-155733/. Acesso em: 01 abr. 2026. -
APA
Sabadin, J. F. G. (2020). Haploid maize seeds prediction using deep learning and using mock reference genomes for genomic prediction of hybrids (Tese (Doutorado). Universidade de São Paulo, Piracicaba. Recuperado de https://teses.usp.br/teses/disponiveis/11/11137/tde-12022021-155733/ -
NLM
Sabadin JFG. Haploid maize seeds prediction using deep learning and using mock reference genomes for genomic prediction of hybrids [Internet]. 2020 ;[citado 2026 abr. 01 ] Available from: https://teses.usp.br/teses/disponiveis/11/11137/tde-12022021-155733/ -
Vancouver
Sabadin JFG. Haploid maize seeds prediction using deep learning and using mock reference genomes for genomic prediction of hybrids [Internet]. 2020 ;[citado 2026 abr. 01 ] Available from: https://teses.usp.br/teses/disponiveis/11/11137/tde-12022021-155733/ - Avaliação de modelo agrometeorológico para tolerância de genótipos de cana-de-açúcar (Saccharum spp.) ao déficit hídrico
- A novel way to validate UAS-based high-throughput phenotyping protocols using in silico experiments for plant breeding purposes
- Improving the identification of haploid maize seeds using convolutional neural networks
- Melhoramento para eificiência no uso do nitrogênio
- Fenotipagem de alto rendimento
- Soil-app: a tool for soil analysis interpretation
- On the genetic architecture in a public tropical maize panel of the symbiosis between corn and plant growth-promoting bacteria aiming to improve plant resilience
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
