Simulação de arquiteturas de características complexas de plantas usando redes neurais profundas

• Processo: 19/26858-8
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado Direto
• Data de Início da vigência: 01 de outubro de 2021
• Data de Término da vigência: 30 de setembro de 2022
• Área de conhecimento: Ciências Biológicas - Genética - Genética Vegetal
• Pesquisador responsável: Anete Pereira de Souza
• Beneficiário: Alexandre Hild Aono
• Supervisor: Gregor Gorjanc
• Instituição Sede: Centro de Biologia Molecular e Engenharia Genética (CBMEG). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Instituição Anfitriã: University of Edinburgh, Escócia
• Vinculado à bolsa: 19/03232-6 - Seleção genômica ampla em cana-de-açúcar via aprendizado de máquina e redes complexas para caracteres de importância econômica, BP.DD
• Assunto(s): Biologia computacional Locos de características quantitativas Polimorfismo de um único nucleotídeo Melhoramento genético vegetal Cana-de-açúcar
• Palavra(s)-Chave do Pesquisador: Backpropagation | Multilayer Perceptron | quantitative traits | Rubber tree | Bioinformática

Resumo

Embora o uso de marcadores moleculares SNPs (polimorfismos de nucleotídeo único) tenha contribuído significativamente para os programas de melhoramento genético, sua aplicação ainda é limitada no caso da cana-de-açúcar, espécie com alta complexidade genômica. Metodologias específicas têm que ser usadas para esta espécie devido à falta de ferramentas biocomputacionais compatíveis com a singularidade da cana de açúcar. Como resultado da importância imensurável da cana-de-açúcar para os biocombustíveis e para a produção de açúcar, o melhoramento de cultivares economicamente importantes contribuirá para a economia mundial. As metodologias de seleção genômica provaram ser uma alternativa às abordagens tradicionais assistidas por marcadores, devido à natureza poligênica das características fenotípicas de natureza quantitativas e, a consequente complexidade da aplicação de métodos para associação genótipo-fenótipo. Este projeto de pesquisa propõe uma abordagem inovadora para a seleção de cana-de-açúcar. Tal metodologia usará uma matriz de SNPs putativos, identificados na genotipagem por sequenciamento, e softwares adaptados às espécies poliploides e aneuploides. Utilizando redes complexas será realizada uma modelagem de associação entre esses marcadores. Através de métodos de detecção da comunidade na rede construída, pretende-se realizar imputação de dados, redução de dimensionalidade e identificação de SNPs com categorias biológicas relacionadas. Para construir o modelo de seleção, técnicas de aprendizado de máquina serão usadas como modelos não lineares, modelado para capturar a especificidade do genoma da cana-de-açúcar. (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; FRANCISCO, FELIPE ROBERTO; SOUZA, LIVIA MOURA; GONCALVES, PAULO DE SOUZA; SCALOPPI JUNIOR, ERIVALDO J.; LE GUEN, VINCENT; FRITSCHE-NETO, ROBERTO; GORJANC, GREGOR; QUILES, MARCOS GONCALVES; DE SOUZA, ANETE PEREIRA. A divide-and-conquer approach for genomic prediction in rubber tree using machine learning. SCIENTIFIC REPORTS, v. 12, n. 1, p. 14-pg., 2022-10-26. (19/26858-8, 18/18985-7, 19/03232-6)

AONO, ALEXANDRE HILD; ULBRICHT FERREIRA, REBECCA CAROLINE; LIMA MORAES, ALINE DA COSTA; DE CASTRO LARA, LETICIA APARECIDA; GONZAGA PIMENTA, RICARDO JOSE; COSTA, ESTELA ARAUJO; PINTO, LUCIANA ROSSINI; DE ANDRADE LANDELL, MARCOS GUIMARAES; SANTOS, MATEUS FIGUEIREDO; JANK, LIANA; et al. A joint learning approach for genomic prediction in polyploid grasses. SCIENTIFIC REPORTS, v. 12, n. 1, p. 17-pg., 2022-07-21. (19/26858-8, 18/19219-6, 19/21682-9, 19/03232-6)