Predição do Valor Genético Genômico Utilizando Aprendizado de Máquina e Subconjunto de SNP

• Processo: 24/09391-7
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de agosto de 2024
• Data de Término da vigência: 30 de junho de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: João Paulo Papa
• Beneficiário: Thomaz Marques Sena
• Instituição Sede: Faculdade de Ciências (FC). Universidade Estadual Paulista (UNESP). Campus de Bauru. Bauru , SP, Brasil
• Vinculado ao auxílio: 13/07375-0 - CeMEAI - Centro de Ciências Matemática Aplicadas à Indústria., AP.CEPID
• Assunto(s): Aprendizado computacional Inteligência artificial Reconhecimento de padrões Polimorfismo de um único nucleotídeo
• Palavra(s)-Chave do Pesquisador: Inteligência Artificial | Reconhecimento de Padrões | Aprendizado de máquina

Resumo

Avaliações genéticas de produção de leite até os 305 dias de lactação (PL305) em bovinos Gir utiliza o modelo animal para estimação do valor genético genômico (GEBV), solucionado método ssGBLUP considerando as informações de parentesco genômico, calculado a partir dos polimorfismos genéticos de nucleotídeo único (SNP), o parentesco genético aditivo, combinados na matriz H, e o desempenho produtivo de toda a população. Devido aos custos elevados de sequenciamento genético e à baixa influência de muitos SNP em painéis de alta densidade, pesquisadores sugerem a criação de painéis de genotipagem de baixa densidade. Para este fim métodos de machine learning (ML) são investigados para classificar SNP conforme sua relevância para a característica. Portanto para compreender melhor a arquitetura genética da PL305, a proposta visa empregar algoritmos de ML Random Forest, XGBoost e Redes Neurais, utilizando os pacotes ranger, xgboost e h2o do R, respectivamente. Os animais serão divididos em grupos de treinamento e validação conforme as gerações, simulando programas de melhoramento genético e aleatoriamente, mantendo a mesma proporção de animais. As dez primeiras gerações compõem o treinamento, e as cinco restantes, a validação. Em ambos os cenários, serão testados efeitos fixos do ambiente que influenciam a característica. A variável resposta é a PL305, e os preditores são os SNPs e efeitos fixos. Os 4000 SNP mais importantes de cada cenário para PL305 serão utilizados para análise de predição do GEBV utilizando o método ssGBLUP, incluindo os efeitos fixos e com os parâmetros default do método. Poderá ainda verificar a presença de genes em uma janela de 400Mb dos 5 SNP mais importantes. A existência de genes poderá ser verificada por meio o pacote biomaRt do software R na versão 110 de Ensembl Genomes. O pacote clusterProfiler será utilizado para análises de enriquecimento funcional de genes, em conjunto com o pacote org.Bt.eg.db, que contém o banco de dados de anotação do Bos taurus taurus. A expectativa é que essas análises identifiquem poucos SNP com efeito positivo ou negativo na característica, com a maioria apresentando efeito nulo. O pequeno subconjunto de SNP usados para prever o GEBV não deve afetar acurácia do modelo, pois o tamanho efetivo da população é relativamente pequeno.