Modelos multivariados com efeitos aleatórios para componentes de natureza mista: uma aplicação em predição genômica de fenótipos multivariados

• Processo: 23/18444-4
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de junho de 2024
• Data de Término da vigência: 28 de fevereiro de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Probabilidade e Estatística Aplicadas
• Pesquisador responsável: Mariana Rodrigues Motta
• Beneficiário: Laura Lucia Dominguez Barrios
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Empresa: Ministério da Agricultura, Pecuária e Abastecimento (Brasil). Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA). Embrapa Sede
• Vinculado ao auxílio: 22/04006-2 - Centro de Melhoramento Molecular de Plantas (CeM²P), AP.PCPE
• Assunto(s): Modelos de regressão
• Palavra(s)-Chave do Pesquisador: modelos mistos multivariados | variáveis aleatórias mistas | Modelos de regressão

Resumo

A literatura em melhoramento vegetal, como por exemplo de gramínias como a cana-de-açucar e forrageira, indica que realizar melhoramento genético para múltiplos fenótipos simultaneamnete tem uma vantagem sobre fenótipos únicos e modelados separadamente. No entanto, uma prática comum é mo\-delar fenótipos múltiplos através de distribuição Gaussiana multivariada, gerando um vício inferencial quando a variável não tem natureza Gaussiana. Nesse sentido, sob o ponto de vista estatístico, o objteivo é formular uma classe de modelos para respostas multivariadas de natureza mista, considerando acomodar respostas no suporte contínuo (não necessariamente com distribuição Gaussiana) e discreto (contagem, categórico ordenado ou não ordenado). Para acomodar correlação marginal entre os fenótipos, consideramos efeitos aleatórios. No contexto de melhoramento, os efeitos aleatórios serão representados por efeitos de meio ambiente e genéticos. O modelo proposto considera dois níveis de efeitos genéticos da planta, sendo que um deles tipicamente incorpora informação de parentesco entre as plantas e o outro considera informação a nível molecular, neste estudo representada pelos SNPs ({\it Single NucleotidePolymorphisms}). A estimação destes efeitos será feita de forma simultânea através de uma abordagem Bayesiana. Assim, no contexto de melhoramento genético, o objetivo é obter a predição dos vetores genéticos mais acurados, visando melhorar o processo de seleção. Ilustraremos o método através de um conjunto de dados real e público de gramíneas com o intuito de avaliar o ganho da nossa proposta em melhoramento genético da espécie forrageira {\it Megathyrsus maximus} em relação aos modelos utilizados até o momento. Pretendemos utilizar produção e valor nutricional como caracteres fenotípicos agronômicos de interesse.