PREDI??O DE VALORES FENOTíPICOS E GENOTíPICOS VIA RR-BLUP/GWS E REDES NEURAIS

摘要

RESUMO A sele??o gen?mica ampla (Genome Wide Selection - GWS) utiliza simultaneamente o efeito de milhares de marcadores cobrindo todo o genoma para predizer o valor genético gen?mico dos indivíduos no processo de sele??o. Os possíveis benefícios de seu uso s?o a redu??o do ciclo de melhoramento, propiciando maior ganho por unidade de tempo e diminui??o de custos. O sucesso da GWS está atrelado a escolha do método de predi??o dos efeitos dos marcadores. Assim, neste trabalho, visou-se aplicar as redes neurais artificiais (Artificial Neural Networks - ANNs), com a finalidade de predizer os valores genéticos gen?micos (Genomic Breeding Values - GEBVs) baseado na estima??o dos efeitos dos marcadores comparados a regress?o de cumeeira - melhor preditor n?o viesado/sele??o gen?mica ampla (Ridge Regression - Best Linear Unbiased Predictor/Genome Wide Selection - RR-BLUP/GWS). Foram efetuadas simula??es por meio do software R, fornecendo as correla??es referentes às ANNs e a RR-BLUP/GWS. Os métodos de predi??o foram avaliados utilizando correla??es entre o valor fenotípico e valor genotípico com o valor genético gen?mico predito. Os resultados demonstraram superioridade das ANNs na predi??o dos GEBVs nos cenários com maior e menor densidade de marcadores, paralelo a níveis mais altos de desequilíbrio de liga??o e maior herdabilidade.