Seleção genômica para características categóricas em eucalipto

Abstract

Atualmente muitas metodologias têm sido propostas para melhoria da predição de valores genéticos genômicos, no entanto, muitas delas assumem a pressuposição de que as variáveis respostas possuem distribuição gaussiana. Contudo, existem características como resistência a doença, bifurcação em árvores de eucalipto, estágios de florescimento e acamamento em plantas, entre outras, que são classificadas como categóricas, não possuindo distribuição gaussiana para os dados. Diante do exposto, objetivou-se comparar o modelo linear generalizado com o modelo linear de Gauss-Markov, obtendo os valores genéticos genômicos de indivíduos com fenótipos categóricos referentes a resistência à ferrugem do eucalipto, causada pelo patógeno Puccinia psidii Winter. Ambos os modelos foram aplicados quando a característica fenotípica possuía quatro classes de infecção (planta imune ou com reação de hipersensibilidade, pequenas pústulas, pústulas medianas e pústulas grandes) e quando estava categorizada como tipos de reação (resistente ou suscetível). O critério de informação da deviance (DIC - Deviance Information Criterion) foi utilizado para seleção do modelo adequado para descrever a característica fenotípica. O procedimento de validação cruzada via Jacknife foi utilizado para validação das estimativas. A acurácia preditiva e o viés foram utilizados para comparação dos modelos. Quando a característica foi categorizada com quatro classes de infecção, os valores de acurácia foram semelhantes para os dois modelos (diferença menor que 0,03). No entanto, quando a categorização foi realizada com duas classes, estas diferenças foram maiores que 0,03 para apenas um dos estimadores de acurácia. O viés na predição de valores genéticos genômicos foi melhor no modelo linear de Gauss- Markov em ambos os tipos de categorização.

Currently many methodologies have been proposed for improvement on the prediction of genomic breeding values, but many of them assume that the response variables have Gaussian distribution. However, there are trait such as resistance to disease in plants, bifurcation in eucalyptus trees, flowering of plants and others, which are classified as categorical data. In view of the above, the objective was to compare the use of generalized linear model with the linear Gauss-Markov model to obtain genomic breeding values of the categorical phenotypes related to resistance to rust in eucalyptus caused by Puccinia psidii Winter pathogen. Both models were applied when the trait had four infection levels (four classes) and when the trait was classified as reaction types (in this case, having two classes). The DIC (Deviation Information Criterion) was used to choose a model, which the effects explained better the variation of the trait. The cross validation procedure via Jacknife was used to validate the estimates of the models. The predictive accuracy and bias were used to compare the models when the evaluated traits had two and four classes. When trait had four classes, the models had similar accuracy values (difference less than 0.03) and when the trait was classified in two classes, the models presented different accuracy values for only one of the accuracy estimators applied. The bias in the prediction of genomic breeding values was better in the linear Gauss-Markov model.