Abordagens multi-ômicas para o melhoramento florestal

Autor(es)

Stephanie Karenina Bajay

• Tipo de documento: Tese de Doutorado
• Imprenta: Campinas, SP.
• Instituição: Universidade Estadual de Campinas (UNICAMP). Instituto de Biologia
• Data de defesa: 2022-06-14

Membros da banca

Anete Pereira de Souza; Maria Imaculada Zucchi; Prianda Rios Laborda; Lorena Guimarães Batista; Luís Felipe Ventorim Ferrão

• Orientador: Anete Pereira de Souza

Resumo

A seleção de genótipos superiores, através da aplicação de seleção genômica (SG) e estudos de associação genômica ampla (GWAS), melhoraram drasticamente a velocidade e a escala da genética aplicada no melhoramento florestal. No entanto, a escolha da melhor metodologia a ser adotada varia de acordo com os objetivos a serem alcançados em cada etapa de desenvolvimento do programa de melhoramento. A SG é uma excelente estratégia a ser adotada nas fases iniciais e intermediária de programas de melhoramento, para a seleção de genótipos superiores. Nos últimos anos, os esforços para o melhoramento de espécies perenes se voltaram para a SG, pois ela deve permitir que a maioria das fontes de variação para características complexas sejam rastreadas. Neste contexto de SG, também vem se destacando a incorporação de métodos avançados de aprendizado de máquina, devido ao fato destes algoritmos permitirem treinamento usando representação de dados mais complexos e por não exigirem pressuposições quanto ao modelo. Dentre os vários métodos de aprendizado existentes, a seleção de atributos foi o escolhido para estudo na presente tese. A seleção de atributos permite a redução da densidade de marcadores e construção de modelos simples e abrangentes de predição, evitando a atribuição de efeitos não genéticos aos marcadores e aumentando o poder preditivo dos fenótipos de interesse. Complementarmente à SG, com o objetivo de ampliar o entendimento da arquitetura e base genética dos fenótipos estudados, também foi adotada a estratégia de estudo quantitativo da interação genótipo-fenótipo através do GWAS. Para a interpretação de como os genes descobertos por GWAS e SG influenciam nas características analisadas, foram adotadas estratégias de anotação de vias genéticas e ontologias identificadas com transcriptomas. Redes de co-expressão gênica foram construídas, com intuito de desenvolver uma compreensão global da expressão gênica e função biológica possivelmente correlacionada com os genes candidatos a modulação dos fenótipos de interesse. A combinação de diferentes estatísticas e análises genômicas, como SG, aprendizado de máquina, GWAS e redes de co-expressão gênica, se torna uma estratégia promissora para que seja possível lidar efetivamente com o melhoramento de caracteres complexos. Desta forma, o objetivo central da tese que se apresenta foi integrar múltiplas análises ômicas: SG, GWAS, ML e rede de co-expressão gênica para seleção de genótipos superiores em espécies arbóreas (AU)

• Processo FAPESP: 19/13452-3 - Predição e associação genômica em seringueira, principal fonte renovável para produção de borracha
• Beneficiário: Stephanie Karenina Bajay
• Modalidade de apoio: Bolsas no Brasil - Doutorado