Menu



Exportar registro bibliográfico

Metrics:

Tese

Optimization of resistance to gastrointestinal nematodes in Santa Inês sheep: a genomic selection, machine learning and image analysis approach (2023)

  • Authors:
  • Autor USP: JANUÁRIO, LUARA AFONSO DE FREITAS - FMRP
  • Unidade: FMRP
  • Sigla do Departamento: RGE
  • DOI: 10.11606/T.17.2023.tde-05062023-132524
  • Subjects: IMAGEM; OVIS; SELEÇÃO GENÉTICA
  • Keywords: Análise de imagem; Gastrointestinal nematodes; Genomic selection; Image analysis; Machine learning; Nematódeos gastrointestinais; Ovis aries; Seleção genômica
  • Agências de fomento:
  • Language: Inglês
  • Abstract: A infecção por nematoides gastrointestinais representa uma grande ameaça à saúde e produtividade das populações de ovinos, sendo o Haemonchus contortus a espécie mais patogênica. Este estudo analisou uma população de ovinos Santa Inês e foi composto por cinco capítulos com os seguintes objetivos: Capítulo 1) Revisão da literatura; Capítulo 2) Avaliar a viabilidade de usar características fenotípicas facilmente mensuráveis, a fim de predizer ovinos susceptíveis a nematoides gastrointestinais por meio do uso de métodos de "Machine Learning"; Capítulo 3) Analisar imagens da conjuntiva ocular para classificar os níveis de anemia com base nos escores de Famacha© (FAM); Capítulo 4) Examinar o padrão genético aditivo de valores genéticos estimados (EBVs) para características indicadoras de resistência a nematoides gastrointestinais; Capítulo 5) Avaliar a acurácia de modelos paramétricos (GBLUP, BayesA, BayesB e Lasso Bayesiano - BLASSO) e redes neurais artificiais (BRANN) na predição genômica de características indicadoras de resistência a nematoides gastrointestinais. No Capítulo 2, os animais foram classificados em resistentes, resilientes e suscetíveis de acordo com a contagem de ovos nas fezes (OPG) e volume globular (VG), e os métodos de classificação foram ajustados usando as informações de classe de idade, mês de registro, fazenda, sexo, FAM, peso corporal e escore de condição corporal como preditores. No Capítulo 3, um modelo "Random Forest" (RF) foi usado para segmentar as imagens. Após a segmentação, os quantis de intensidade de cor (1, 10, 20, 30, 40, 50, 60, 70, 80, 90 e 99%) em cada canal de imagem (vermelho, azul e verde) foram determinados e usados como variáveis explanatórias nos modelos de classificação, sendo o FAM 1 a 5 as classes a serem previstas. No Capítulo 4, os EBVs para FAM, VG e OPG foramestimados por inferência bayesiana em um modelo animal uni-característico. Em seguida, análises de agrupamento foram realizadas usando os EBVs para FAM, VG e OPG para identificar animais resistentes, resilientes e suscetíveis a nematoides gastrointestinais. No Capítulo 5, a acurácia e o erro de predição foram obtidos para VG, OPG e FAM usando modelos paramétricos e redes neurais artificiais. Os resultados sugerem que o uso de características facilmente mensuráveis pode fornecer informações úteis para apoiar decisões de manejo a nível de fazenda. Os resultados das análises de imagem indicam que é possível prever com sucesso o FAM, especialmente para escores 2 a 4, em ovinos por meio de análise de imagem e modelo de RF usando imagens da conjuntiva ocular coletadas em condições de fazenda. O agrupamento dos animais resistente apresentou EBVs positivos para VG e negativos para FAM e OPG, sendo os animais mais desejáveis para serem usados como candidatos a seleção para melhorar geneticamente a resistência à nematoides gastrointestinais. Em resumo, os modelos paramétricos são adequados para a predição de valores genéticos genômicos de VG, OPG e FAM em ovinos, devido à similaridade da acurácia encontradas entre eles. Apesar disso, o uso do modelo GBLUP é recomendado devido ao seu menor custo computacional e à possibilidade de incorporar animais não genotipados na análise usando procedimentos "Single-step"
  • Imprenta:
  • Data da defesa: 27.03.2023
    • Acesso à fonteAcesso à fonteDOI
    Informações sobre o DOI: 10.11606/T.17.2023.tde-05062023-132524 (Fonte: oaDOI API)
    • Este periódico é de acesso aberto
    • Este artigo NÃO é de acesso aberto
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      JANUÁRIO, Luara Afonso de Freitas. Optimization of resistance to gastrointestinal nematodes in Santa Inês sheep: a genomic selection, machine learning and image analysis approach. 2023. Tese (Doutorado) – Universidade de São Paulo, Ribeirão Preto, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/17/17135/tde-05062023-132524/. Acesso em: 10 fev. 2026.

    • APA

      Januário, L. A. de F. (2023). Optimization of resistance to gastrointestinal nematodes in Santa Inês sheep: a genomic selection, machine learning and image analysis approach (Tese (Doutorado). Universidade de São Paulo, Ribeirão Preto. Recuperado de https://www.teses.usp.br/teses/disponiveis/17/17135/tde-05062023-132524/

    • NLM

      Januário LA de F. Optimization of resistance to gastrointestinal nematodes in Santa Inês sheep: a genomic selection, machine learning and image analysis approach [Internet]. 2023 ;[citado 2026 fev. 10 ] Available from: https://www.teses.usp.br/teses/disponiveis/17/17135/tde-05062023-132524/

    • Vancouver

      Januário LA de F. Optimization of resistance to gastrointestinal nematodes in Santa Inês sheep: a genomic selection, machine learning and image analysis approach [Internet]. 2023 ;[citado 2026 fev. 10 ] Available from: https://www.teses.usp.br/teses/disponiveis/17/17135/tde-05062023-132524/

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

Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2026