| Processo: | 17/03221-9 |
| Modalidade de apoio: | Bolsas no Brasil - Pós-Doutorado |
| Vigência (Início): | 01 de janeiro de 2018 |
| Vigência (Término): | 31 de dezembro de 2018 |
| Área do conhecimento: | Ciências Agrárias - Zootecnia - Genética e Melhoramento dos Animais Domésticos |
| Pesquisador responsável: | Fernando Sebastián Baldi Rey |
| Beneficiário: | Fernando Brito Lopes |
| Instituição Sede: | Faculdade de Ciências Agrárias e Veterinárias (FCAV). Universidade Estadual Paulista (UNESP). Campus de Jaboticabal. Jaboticabal , SP, Brasil |
| Assunto(s): | Melhoramento genético animal Bovinos de corte Predição genômica |
| Palavra(s)-Chave do Pesquisador: | bovino de corte | Markov Blanket | Melhoramento genético animal | Predição genômica | Métodos de Predição Genômica |
Resumo Diferentes metodologias têm sido utilizadas para predição genomica, cujos modelos de regressão múltipla descrevem uma variável álvo com uma função linear de um conjunto ou subconjunto de covariáveis. Redes Bayesian têm oferecido ferramentas interessantes para uma representação mais parcimoniosa da distribuição conjunta de um grupo de variáveis, que podem ser úteis em termos de predição, por exemplo, o uso de Markov Blanket (MB) da uma variável álvo. Os estudos de predição do genoma têm sido focados principalmente em análises unicaracterísticas. No entanto, a maioria das características de interesse econômico é geneticamente correlacionada, com isso espera-se aumentar a acurácia de predição dos valores genéticos utilizando modelos multi-característicos. Destarte, este estudo será realizado para avaliar a acurácia de predição genômica de características relacionadas à qualidade da cane e da carcaça em bovinos Nelore utilizando modelo multi-característico em dois cenários diferentes: i) predição genoma ampla utilizando todas as informações disponíveis de marcadores moleculares do tipo SNP; e ii) predição genômica usando subconjunto de marcadores SNP selecionados por meio de MB. Serão utilizadas informações fenotípicas e genotípicas de 8.000 bovinos da raça Nelore. Os animais foram genotipados usando painel de SNP de baixa densidade, e subsequentemente imputados para 54k e 777k SNPs. O método de aprendizado do MB será usado para identificar um conjunto mínimo de marcadores moleculares associados com as características de carcaça e qualidade de carne. Serão utilizadas quatro diferentes especificações Bayesianas de modelos de regressão genômica: Bayes A, Bayes B, Bayes CÀ e Bayes R, as quais serão comparadas em termos de acurácia de predição usando uma validação cruzada em cinco subamostragens. Os resultados deste estudo permitirão o acesso ao impacto da informação genômica sobre as avaliações genéticas em bovinos de corte usando modelo de multi-característico, o que tem se mostrado vantajoso em relação aos modelos univariados, pois leva é considerada o processo de seleção através do uso de várias características ao mesmo tempo. Portanto, este projeto avaliará a viabilidade técnica e econômica de análises genômicas realizadas por meio de modelos multi-característico, utilizando informações genômicas e de pedigree. | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias (0 total): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |