Desenvolvimento de um banco de dados genômicos para a raça Nelore e criação de ferramentas computacionais objetivando a implementação de estudos em larga escala

• Processo: 16/19514-2
• Modalidade de apoio: Auxílio à Pesquisa - Jovens Pesquisadores
• Data de Início da vigência: 01 de agosto de 2017
• Data de Término da vigência: 31 de julho de 2022
• Área do conhecimento: Ciências Agrárias - Zootecnia - Genética e Melhoramento dos Animais Domésticos
• Pesquisador responsável: Ricardo Vieira Ventura
• Beneficiário: Ricardo Vieira Ventura
• Instituição Sede: Faculdade de Medicina Veterinária e Zootecnia (FMVZ). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Pesquisadores associados: Danísio Prado Munari ; Francisco Palma Rennó ; Heidge Fukumasu ; Joanir Pereira Eler ; José Bento Sterman Ferraz ; Júlio Cesar de Carvalho Balieiro ; Marcos Veiga dos Santos ; Minos Esperândio Carvalho ; Rachel Santos Bueno Carvalho
• Bolsa(s) vinculada(s): 18/14035-4 - Análises de clusterização e predição da composição racial em uma população bovina multirracial por meio de dados genômicos, BP.IC; 17/14987-2 - Desenvolvimento de um banco de dados genômicos para a raça Nelore e criação de ferramentas computacionais objetivando a implementação de estudos em larga escala, BP.JP
• Assunto(s): Biologia computacional Banco de dados Big data Análise de sequência de DNA Técnicas de genotipagem Gado Nelore
• Palavra(s)-Chave do Pesquisador: Banco de dados (Big data) | bioinformática | ferramentas computacionais | Imputação | Nelore | Snp | Bioinformática e Genomica

Resumo

Projetos brasileiros recentes têm demonstrado resultados promissores quanto à incorporação de dados moleculares como parte fundamental nos processos de avaliação genética, sendo que vários desses projetos já possuem SNPs em abundância, oriundos em sua maioria, de plataformas comerciais de genotipagem. Pesquisas atuais revelam que a grande maioria destes painéis comerciais não inclui mutações causais como parte do seu conjunto de marcadores. Isso sugere então que a inclusão de tais mutações por meio de sequenciamento resultaria em um possível aumento da confiabilidade das predições genômicas, assim como a persistência desta confiabilidade ao longo das gerações e até mesmo entre raças. O presente projeto propõe o sequenciamento completo de 200 animais Nelore em diferentes níveis de cobertura, animais estes criteriosamente selecionados via teoria de grafos e estudo da diversidade e frequência de haplótipos provenientes de animais candidatos a sequenciamento, o que minimizará o re-sequenciamento de segmentos cromossômicos. Tais sequências serão utilizadas para a criação de um banco de dados online que servirá como base para a imputação ao nível sequenciamento, de milhares de animais já genotipados via plataformas HD (~800.000 SNPs), oriundos de diferentes projetos de pesquisa. Todos os genótipos HD serão também utilizados como população referência durante o processo de imputação de densidades inferiores para o nível de HD, possibilitando que pesquisadores possam genotipar um número muito superior de animais em cada projeto, mesmo sem recursos para compor uma população de referência. O projeto ainda investigará: i) o desenvolvimento de ferramentas computacionais para análise e conversão de dados moleculares para diferentes softwares de análises genômicas, disponibilizadas via pipeline; ii) predição da acurácia de imputação por meio de redes neurais artificiais antes que a imputação seja efetuada; iii) qualidade de imputação de painéis HD para o nível de sequência de acordo com diferentes controles de qualidade pós-alinhamento; iv) diversidade dos segmentos genômicos (CNVs, haplótipos, ROH e SNPs) dentro e entre grupos de animais HD submetidos ao banco de dados; v) comparação entre plataformas HD Illumina e Affymetrix e vi) sistema de acasalamento dirigido via incorporação de dados genômicos. (AU)

Publicações científicas

(11)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

VENTURA, RICARDO V.; BRITO, LUIZ F.; OLIVEIRA, JR., GERSON A.; DAETWYLER, HANS D.; SCHENKEL, FLAVIO S.; SARGOLZAEI, MEHDI; VANDERVOORT, GORDON; FONSECA E SILVA, FABYANO; MILLER, STEPHEN P.; CARVALHO, MINOS E.; et al. A comprehensive comparison of high-density SNP panels and an alternative ultra-high-density panel for genomic analyses in Nellore cattle. ANIMAL PRODUCTION SCIENCE, v. 60, n. 3, p. 333-346, 2020. (16/19514-2, 12/50533-2)

SELLI, ALANA; VENTURA, RICARDO V.; FONSECA, PABLO A. S.; BUZANSKAS, MARCOS E.; ANDRIETTA, LUCAS T.; BALIEIRO, JULIO C. C.; BRITO, LUIZ F.. Detection and Visualization of Heterozygosity-Rich Regions and Runs of Homozygosity in Worldwide Sheep Populations. ANIMALS, v. 11, n. 9, SEP 2021. (16/19514-2, 20/04461-6)

PINTO, DIOGENES LODI; SELLI, ALANA; TULPAN, DAN; ANDRIETTA, LUCAS TASSONI; GARBOSSA, POLLYANA LEITE MATIOLI; VANDER VOORT, GORDON; MUNRO, JASPER; MCMORRIS, MIKE; ALVES, ANDERSON ANTONIO CARVALHO; CARVALHEIRO, ROBERTO; et al. Image feature extraction via local binary patterns for marbling score classification in beef cattle using tree-based algorithms. LIVESTOCK SCIENCE, v. 267, p. 10-pg., 2023-01-06. (20/04461-6, 16/19514-2, 21/11156-8)

PEREZ, BRUNO C.; BALIEIRO, JULIO C. C.; CARVALHEIRO, ROBERTO; TIRELO, FABIO; OLIVEIRA JUNIOR, GERSON A.; DEMENTSHUK, JULIANA M.; ELER, JOANIR P.; FERRAZ, JOSE B. S.; VENTURA, RICARDO V.. Accounting for population structure in selective cow genotyping strategies. JOURNAL OF ANIMAL BREEDING AND GENETICS, v. 136, n. 1, p. 23-39, JAN 2019. (16/19514-2)

ALVES, ANDERSON ANTONIO CARVALHO; ANDRIETTA, LUCAS TASSONI; LOPES, RAFAEL ZINNI; BUSSIMAN, FERNANDO OLIVEIRA; FONSECA E SILVA, FABYANO; CARVALHEIRO, ROBERTO; BRITO, LUIZ FERNANDO; BALIEIRO, JULIO CESAR DE CARVALHO; ALBUQUERQUE, LUCIA GALVAO; VENTURA, RICARDO VIEIRA. Integrating Audio Signal Processing and Deep Learning Algorithms for Gait Pattern Classification in Brazilian Gaited Horses. FRONTIERS IN ANIMAL SCIENCE, v. 2, p. 19-pg., 2021-08-20. (16/19514-2, 20/04461-6)

SELLI, ALANA; MILLER, STEPHEN P.; VENTURA, RICARDO V.. The Use of Interactive Visualizations for Tracking Haplotypic Inheritance in Livestock. RUMINANTS, v. 4, n. 1, p. 22-pg., 2024-03-01. (16/19514-2, 21/11156-8, 21/03101-9)

PAULA DE FREITAS CURTI; ALANA SELLI; DIÓGENES LODI PINTO; ALEXANDRE MERLOS-RUIZ; JULIO CESAR DE CARVALHO BALIEIRO; RICARDO VIEIRA VENTURA. Applications of livestock monitoring devices and machine learning algorithms in animal production and reproduction: an overview. Animal Reproduction, v. 20, n. 2, 2023-08-28. (21/11156-8, 16/19514-2, 21/03101-9)

SOUZA, ANDRE MOREIRA; SANTOS WEIGERT, RODRIGO DE ANDRADE; MACHADO DE SOUSA, ELAINE PARROS; ANDRIETTA, LUCAS TASSONI; VENTURA, RICARDO VIEIRA. Practical implications of using non-relational databases to store large genomic data files and novel phenotypes. JOURNAL OF ANIMAL BREEDING AND GENETICS, v. 139, n. 1, AUG 2021. (20/04461-6, 16/19514-2)

SOUZA, ANDRE MOREIRA; KOBAYASHI, LIVIA LISSA; TASSONI, LUCAS ANDRIETTA; GARBOSSA, CESAR AUGUSTO POSPISSIL; VENTURA, RICARDO VIEIRA; DE SOUSA, ELAINE PARROS MACHADO. Deep learning solutions for audio event detection in a swine barn using environmental audio and weak labels. APPLIED INTELLIGENCE, v. 55, n. 7, p. 12-pg., 2025-05-01. (16/19514-2, 20/07200-9, 16/17078-0)

CURTI, PAULA DE FREITAS; SELLI, ALANA; PINTO, DIOGENES LODI; MERLOS-RUIZ, ALEXANDRE; BALIEIRO, JULIO CESAR DE CARVALHO; VENTURA, RICARDO VIEIRA. Applications of livestock monitoring devices and machine learning algorithms in animal production and reproduction: an overview. ANIMAL REPRODUCTION, v. 20, n. 2, p. 14-pg., 2023-01-01. (21/11156-8, 21/03101-9, 16/19514-2)

VENTURA, RICARDO VIEIRA; FONSECA E SILVA, FABYANO; YANEZ, JOSE MANUEL; BRITO, LUIZ F.. Opportunities and challenges of phenomics applied to livestock and aquaculture breeding in South America. ANIMAL FRONTIERS, v. 10, n. 2, p. 8-pg., 2020-04-01. (16/19514-2)