Aplicação de redes neurais e modelos de regressão aleatória para predição do valor genético da produção de leite em vacas holandesas

• Processo: 12/16087-5
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
• Data de Início da vigência: 02 de janeiro de 2013
• Data de Término da vigência: 01 de agosto de 2013
• Área de conhecimento: Ciências Agrárias - Zootecnia - Genética e Melhoramento dos Animais Domésticos
• Pesquisador responsável: Danísio Prado Munari
• Beneficiário: Rodrigo Pelicioni Savegnago
• Supervisor: Guilherme J. M. Rosa
• Instituição Sede: Faculdade de Ciências Agrárias e Veterinárias (FCAV). Universidade Estadual Paulista (UNESP). Campus de Jaboticabal. Jaboticabal , SP, Brasil
• Instituição Anfitriã: University of Wisconsin-Madison (UW-Madison), Estados Unidos
• Vinculado à bolsa: 10/05148-8 - Aplicação de redes neurais e modelos de regressão aleatória para predição do valor genético da produção de leite em vacas holandesas, BP.DR
• Palavra(s)-Chave do Pesquisador: primeira lactação | Produção de leite | Redes neurais | valores genéticos | Estatística

Resumo

O objetivo do presente trabalho será avaliar o potencial do uso da metodologia de redes neurais artificiais na predição da produção de leite e nas estimativas dos valores genéticos da mesma característica, em animais da raça Holandesa. Serão avaliados cerca de 30.000 controles mensais das produções de leite de aproximadamente 3.500 primeiras lactações de vacas em modelo animal uni-característic0 de regressão aleatória. Serão estimadas funções de covariâncias para os componentes genéticos aditivos e de ambiente permanente. O modelo incluirá os efeitos aleatórios genético aditivo direto, de ambiente permanente e residual. A princípio, os efeitos fixos serão grupo de contemporâneos, os efeitos linear e quadrático da idade da vaca ao parto e a curva média de lactação da população. Serão avaliados os modelos de redes neurais Multilayer Perceptron (MLP). As produções de leite de parentes colaterais e/ou ancestrais, o valor genético dos pais e das mães, os coeficientes da regressão aleatória e os valores das produções nos controles serão utilizados na camada de entrada das redes neurais, para que a produção total de leite e o valor genético dessa característica, utilizadas na camada de saída da rede, sejam preditas pela associação dos valores utilizados na camada de entrada com os da camada de saída. A correlação simples de Pearson entre a estimativa dos valores genéticos e das produções de leite gerados pelas redes neurais e os valores genéticos preditos pela regressão aleatória (valores controle) será utilizada para avaliar a eficiência das redes neurais para a predição dos valores genéticos. (AU)

Publicações científicas

(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)

SAVEGNAGO, RODRIGO PELICIONI; DO NASCIMENTO, GUILHERME BATISTA; DE MAGALHAES ROSA, GUILHERME JORDAO; RESENDE DE CARNEIRO, RAUL LARA; SESANA, ROBERTA CRISTINA; EL FARO, LENIRA; MUNARI, DANISIO PRADO. Cluster analyses to explore the genetic curve pattern for milk yield of Holstein. LIVESTOCK SCIENCE, v. 183, p. 28-32, JAN 2016. (12/16087-5, 13/20091-0, 10/05148-8, 12/23384-6)

SAVEGNAGO, R. P.; ROSA, G. J. M.; VALENTE, B. D.; HERRERA, L. G. G.; CARNEIRO, R. L. R.; SESANA, R. C.; EL FARO, L.; MUNARI, D. P.. Estimates of genetic parameters and eigenvector indices for milk production of Holstein cows. JOURNAL OF DAIRY SCIENCE, v. 96, n. 11, p. 7284-7293, NOV 2013. (12/16087-5, 10/05148-8)

DE FREITAS, LUARA AFONSO; SAVEGNAGO, RODRIGO PELICIONI; GRUPIONI, NATALIA VINHAL; RAMOS, SALVADOR BOCCALETTI; STAFUZZA, NEDENIA BONVINO; PEREIRA DE FIGUEIREDO, ELSIO ANTONIO; SCHMIDT, GILBERTO SILBER; LEDUR, MONICA CORREA; MUNARI, DANISIO PRADO. Reduced-rank estimation of genetic parameters for egg production traits and cluster analyses with predicted breeding values. ACTA AGRICULTURAE SCANDINAVICA SECTION A-ANIMAL SCIENCE, v. 68, n. 2, p. 81-86, APR 3 2018. (12/16087-5, 16/10583-1, 13/20091-0)