Desenvolvimento de habilidades estatísticas utilizando aprendizagem de máquina para avaliar dados de eficiência alimentar e hídrica de ovinos

• Processo: 23/04641-2
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Pós-Doutorado
• Data de Início da vigência: 01 de julho de 2023
• Data de Término da vigência: 31 de julho de 2023
• Área de conhecimento: Ciências Agrárias - Zootecnia - Produção Animal
• Pesquisador responsável: Ricardo Lopes Dias da Costa
• Beneficiário: Josiel Borges Ferreira
• Supervisor: Luis Alberto Bermejo Asensio
• Instituição Sede: Instituto de Zootecnia. Agência Paulista de Tecnologia dos Agronegócios (APTA). Secretaria de Agricultura e Abastecimento (São Paulo - Estado). Nova Odessa , SP, Brasil
• Instituição Anfitriã: Universidad de La Laguna (ULL), Espanha
• Vinculado à bolsa: 22/10795-0 - Eficiência de crescimento, taxa de passagem, emissão de metano, características de carcaça e carne e suas correlações com a termografia em ovelhas e cordeiros selecionados por consumo alimentar residual (CAR), BP.PD
• Assunto(s): Consumo alimentar residual Ganho de peso Eficiência alimentar
• Palavra(s)-Chave do Pesquisador: Análise de componentes principais | análise discriminante canônica | Consumo alimentar residual | ganho de peso | Intergado® | Eficiência alimentar

Resumo

A avaliação fenotípica de características de eficiência alimentar para espécies de ruminantes por meio de provas de eficiência alimentar é comum na atualidade. O uso dessas informações auxilia os programas de melhoramento genético, trazendo grandes benefícios aos sistemas de produção, bem como ao planeta Terra. A grande quantidade de dados produzidos a partir de provas de eficiência alimentar geralmente é analisada de forma "univariada". Porém, pensando em um contexto global de avaliação de banco de dados, grandes bancos de dados poderiam ser analisados de forma multivariada (machine learning), elucidando as relações que as estimativas fenotípicas de eficiência alimentar estabelecem entre si para determinar e selecionar animais eficientes na conversão de alimentos em proteína, ou mesmo eficientes no consumo de água, além de definir variáveis potencialmente úteis como marcador fenotípico de eficiência alimentar em ovinos. O objetivo deste projeto é proporcionar o desenvolvimento de habilidades estatísticas a partir de técnicas de machine learning para análise de dados oriundos de provas de eficiência hídrica e alimentar de ovinos e posterior melhoramento genético. Esta proposta contempla o projeto de pós-doutorado do candidato ao Auxílio Pesquisa no Exterior (BEPE), intitulado "Eficiência de crescimento, taxa de passagem, emissão de metano, características de carcaça e carne e suas correlações com a termografia em ovinos e cordeiros selecionados para consumo alimentar residual (CAR) - FAPESP - 2022/10795-0". A coleta de dados e as análises laboratoriais (testes de eficiência alimentar e hídrica) foram realizadas entre novembro de 2022 e fevereiro de 2023, portanto, existe a necessidade de iniciar as análises estatísticas. Com o uso de técnicas de machine learning, espera-se identificar as principais relações entre as variáveis de eficiência alimentar e hídrica para ovinos, definindo por graus de importância as principais variáveis ligadas à eficiência alimentar que potencialmente poderiam ser usadas como marcadores fenotípicos para selecionar animais eficientes e apoiar a os programas de melhoramento genético. Esta proposta estará diretamente vinculada ao projeto de pesquisa do proponente e indiretamente às análises estatísticas de trabalhos de mestrado de alunos do Programa de Pós-Graduação em Produção Animal Sustentável do Instituto de Zootecnia, que estejam em andamento ou que já foram concluídos, subsidiando a aplicação de novas ferramentas de análise estatística e viabilizando e criando novos projetos associados. (AU)