Busca avançada
Ano de início
Entree

Homologia genômica entre bovinos e búfalos e comparação de diferentes algoritmos de máquinas de aprendizagem para a imputação de genótipos no genoma bubalino

Processo: 17/00462-5
Linha de fomento:Bolsas no Exterior - Estágio de Pesquisa - Pós-Doutorado
Vigência (Início): 28 de maio de 2017
Vigência (Término): 27 de maio de 2018
Área do conhecimento:Ciências Agrárias - Zootecnia - Genética e Melhoramento dos Animais Domésticos
Pesquisador responsável:Humberto Tonhati
Beneficiário:Daniel Jordan de Abreu Santos
Supervisor no Exterior: Li Ma
Instituição-sede: Faculdade de Ciências Agrárias e Veterinárias (FCAV). Universidade Estadual Paulista (UNESP). Campus de Jaboticabal. Jaboticabal , SP, Brasil
Local de pesquisa : University of Maryland, College Park, Estados Unidos  
Vinculado à bolsa:15/12396-1 - Imputação de genótipos de marcadores no genoma bubalino e seu impacto nas avaliações genômicas da produção de leite e seus constituintes, BP.PD
Assunto(s):Genômica

Resumo

A homologia entre búfalos e bovinos é especialmente importante para a transferência de tecnologias genômicas desenvolvidas entre estas espécies. O princípio da homologia pode ser aplicado para cobrir a carência de um genoma referência para búfalos, já que a referência genômica bovina está amplamente estudada. Assim, este projeto tem como objetivo determinar a existência de homologia entre as espécies de bovídeos para propor um rearranjo do genoma bubalino. Um painel de SNPs específico de bovinos será utilizado para as análises dos componentes principais (PCA) e de admixture com os dados genômicos de outros bovídeos. Um outro objetivo deste projeto é avaliar a eficiência da imputação de genótipos em búfalos usando os métodos de máquinas de aprendizado (MA). Considerando que os métodos de imputação dependem do ordenamento dos marcadores nas regiões a ser imputada, os métodos baseados em inteligência artificial pode ser uma boa alternativa para a imputação de genótipos em búfalos. Assim, serão comparados os métodos tradicionais para imputação que dependem da ordem dos SNPs com os métodos alternativos baseados nas MA. Os métodos de MA não requerem qualquer informação a priori sobre a relação entre as predições e os dados originais, e eles podem aprender esta relação pelos próprios dados, de acordo com o algoritmo de MA utilizado. Para este estudo, será utilizado os algoritmos de máquinas de vetor e suporte e de floresta aleatória que representam os algoritmos de aprendizado supervisionado e não supervisionado respectivamente. Diferentes cenários com poucos marcadores e diferentes populações de referência serão usados neste estudo. Os métodos tradicionais podem mostrar resultados um pouco melhores que os métodos de MA, mas para casos com marcadores com posição desconhecida, como para espécies sem genoma referência montando, as acurácias da imputação podem ser menores. Assim, considerando a ausência de estudos de imputação e de um genoma de referência específico para búfalos, a imputação de genótipos usando os métodos MA pode ser uma alternativa viável. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Novo método aumenta eficiência na seleção de gado 
Matéria(s) publicada(s) em Outras Mídias: (50 total)
Mais itensMenos itens

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)
SANTOS, D. J. A.; COLE, J. B.; LAWLOR JR, T. J.; VANRADEN, P. M.; TONHATI, H.; MA, L. Variance of gametic diversity and its application in selection programs. JOURNAL OF DAIRY SCIENCE, v. 102, n. 6, p. 5279-5294, JUN 2019. Citações Web of Science: 0.
SANTOS, D. J. A.; COLE, J. B.; NULL, D. J.; BYREM, T. M.; MA, L. Genetic and nongenetic profiling of milk pregnancy-associated glycoproteins in Holstein cattle. JOURNAL OF DAIRY SCIENCE, v. 101, n. 11, p. 9987-10000, NOV 2018. Citações Web of Science: 0.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.
Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.