Seleção genômica ampla em cana-de-açúcar via aprendizado de máquina e redes complexas para caracteres de importância econômica

• Processo: 19/03232-6
• Linha de fomento: Bolsas no Brasil - Doutorado Direto
• Vigência (Início): 01 de agosto de 2019
• Situação: Interrompido
• Área do conhecimento: Ciências Biológicas - Genética - Genética Vegetal
• Pesquisador responsável: Anete Pereira de Souza
• Beneficiário: Alexandre Hild Aono
• Instituição-sede: Centro de Biologia Molecular e Engenharia Genética (CBMEG). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Bolsa(s) vinculada(s): 19/26858-8 - Simulação de arquiteturas de características complexas de plantas usando redes neurais profundas, BE.EP.DD
• Assunto(s): Biologia computacional Seleção genômica Aprendizado computacional Poliploidia Aneuploidia Cana-de-açúcar Técnicas de genotipagem Polimorfismo de um único nucleotídeo Redes complexas

Resumo

A utilização de marcadores moleculares SNPs (polimorfismos de nucleotídeo único), embora tenha trazido grande contribuição aos programas de melhoramento genético, ainda tem sua aplicação limitada no caso da cana-de-açúcar, espécie com complexidade genômica elevada. Devido à falta de ferramentas biocomputacionais compatíveis com a singularidade da espécie, metodologias específicas têm de ser utilizadas. Com importância imensurável a setores de biocombustíveis e fabricação de açúcar, o melhoramento da espécie e a criação de cultivares com caracteres de importância econômica representam uma grande contribuição à economia mundial. Devido à natureza poligênica de características fenotípicas quantitativas e consequente complexidade de aplicação de métodos para associação genótipo-fenótipo, metodologias de seleção genômica têm se mostrado uma alternativa às abordagens tradicionais de seleção assistida por marcadores. O presente trabalho propõe uma inovadora abordagem para realização de seleção em cana. Com a utilização de uma matriz de SNPs putativos identificados com o uso de dados de genotipagem por sequenciamento e softwares adaptados à poliploidia e aneuploidia da espécie, será utilizada uma modelagem de associação entre esses marcadores utilizando redes complexas. Por meio de métodos de detecção de comunidades na rede construída, pretende-se realizar imputação de dados, redução de dimensionalidade e identificação de SNPs com categorias biológicas afins. Para construção do modelo de seleção serão utilizadas técnicas de aprendizado de máquina como modelos não lineares, construídos de modo a capturar a especificidade do genoma da cana. (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)

AONO, ALEXANDRE HILD; COSTA, ESTELA ARAUJO; SILVA RODY, HUGO VIANNA; NAGAI, JAMES SHINITI; GONZAGA PIMENTA, RICARDO JOSE; MANCINI, MELINA CRISTINA; CAMILO DOS SANTOS, FERNANDA RAQUEL; PINTO, LUCIANA ROSSINI; DE ANDRADE LANDELL, MARCOS GUIMARAES; DE SOUZA, ANETE PEREIRA; KUROSHU, REGINALDO MASSANOBU. Machine learning approaches reveal genomic regions associated with sugarcane brown rust resistance. SCIENTIFIC REPORTS, v. 10, n. 1 NOV 18 2020. Citações Web of Science: 0.