Genética e Melhoramento
URI permanente para esta coleçãohttps://locus.ufv.br/handle/123456789/177
Navegar
69 resultados
Resultados da Pesquisa
Item Predicting clonal composites performance and enhancing eucalyptus productivity by accounting for indirect genotypic effects(Universidade Federal de Viçosa, 2023-08-09) Ferreira, Filipe Manoel; Bhering, Leonardo Lopes; http://lattes.cnpq.br/4384041306911512Biotic and abiotic factors have been making it difficult to maintain high rates of realized genetic gain for tree species, especially those cultivated in monocultures. Planting a mixture of genotypes or clonal composites (CC) can be an alternative to increase phytosanitary security and even the productivity of forest plantations. Clones grown in CC may present residual and genetic competition. Competition effects can affect the heritable portion of the total variability and impact the genetic progress of the population under selection. We aim to jointly model the spatial and genetic competition using a linear mixed model at the spatial and genetic level (SCM) to estimate genetic parameters and study the impacts of intergenotypic competition. In addition, we propose a strategy to predict the best combination of clones to compose a CC that has not yet been planted. To the best of our knowledge, no previous study has explored the prediction of CC accounting for competition effects. The main advantage of our methodology consists in modeling the competition at the genetic and residual level to predict the total genotypic value (TGV) of clones and the phenotypic performance of any CC combination. The proposed approach was illustrated in a dataset from clonal trials of eucalyptus in a randomized block design with 24 replications, containing a single tree per plot evaluated for mean annual increment (MAI – m3ha-1ano-1) at ages 3 and 6. The fitted model was efficient in partitioning genetic variation into variations due to direct genotypic effects (DGE) and indirect or competition genotypic effects (IGE). Additionally, we proposed a way to classify clones as aggressive, homeostatic, and sensitive based on the magnitude of the IGE. The SCM was the most suitable according to the Akaike Information Criterion. By accounting for indirect genotypic effects, for MAI, the total heritability decreased from 0.25 to 0.10 for 3 years and from 0.30 to 0.14 for 6 years, compared to a reduced model for IGE. Therefore, heritability was overestimated when IGE was not considered. Based on the TGV, we were able to identify CC with a high expected average performance for MAI, considering the trade-off between DGE and IGE. Therefore, predicting CC by capitalizing on the IGE can provide a strategic advantage in recommending the best combination of clones to be planted. Keywords: Tree Breeding. Quantitative Genetics. Linear Mixed Models. Associative Effects. Competition.Item Application of quantitative genetics tools to breeding program optimization(Universidade Federal de Viçosa, 2023-03-08) Peixoto, Marco Antonio; Bhering, Leonardo Lopes; http://lattes.cnpq.br/1311712184373275Overall, the application of quantitative genetics theory has greatly influenced plant breeding programs over the last few decades. The aim of this study was to use and develop quantitative genetics tools to improve breeding programs. In the first chapter we simulated a hybrid crop breeding program and compared breeding pipelines with two strategies for parental updates, and we compare the gain and costs to implements genomic selection and high-throughput phenotyping into the pipeline. Our results suggest that early parental selection performs better and that high-throughput phenotyping together with genomic selection delivers the highest hybrid gain in the long-term. In the second chapter we evaluated the potential of implementing genomic selection in a sweet corn breeding program through hybrid prediction. We evaluated 506 hybrids in six environments and measured 21 traits. We considered eight statistical models for prediction and three cross-validation schemes CV1, CV0, and CV00. The results indicated RKHS model outperforming GBLUP models, and models with additive plus dominance kernels presented slight improvement for some traits. Therefore, we recommend using the RKHS model as a standard model for sweet corn hybrid prediction, and to implement genomic selection in sweet corn breeding programs to optimize the testcross stage and the candidates that reach the field stage. In the third chapter we describe SMate, a flexible R package for cross prediction and optimization, which represents a tool for breeding programs to balance genetic gains and inbreeding rate levels. The package builds a valid mate plan based on two core aspects: (i) prediction of usefulness for potential cross, and (ii) optimization of the set of crosses. In conclusion, SMate package enables to optimize cross selection in breeding programs targeting long term genetic gains while balancing genetic diversity and inbreeding rate levels. In summary, quantitative genetics tools have been largely applied in breeding programs and has evolved with it. Our study demonstrated potential to contribute to the quantitative genetics field and direct impact in breeding programs. Keywords: Mate allocation. Inbreeding. Genomic hybrid prediction. Stochastic simulation.Item Reconhecimento de padrões e organização da diversidade em acessos de soja (Glycine max (L.) Merrill) do sul do Brasil(Universidade Federal de Viçosa, 2023-02-25) Silva, Rafael Paulo da; Cruz, Cosme Damião; http://lattes.cnpq.br/6087276268334053A soja (Glycine max (L.) Merrill) é uma cultura anual, herbácea com ciclo de 70 a 100 dias e autógama. A partir dos anos 2000 o cultivo da soja aumentou em todo o território brasileiro e, tornando o Brasil o principal produtor desta cultura no mundo. No caso das plantas autógamas perfeitas, como a soja, o programa de melhoramento é conduzido por meio de hibridações artificiais e posteriores avanços das populações segregantes, por autofecundações, visando a obtenção de melhores genótipos. Tendo em vista a extensão territorial do Brasil e a grande diversidade edafoclimática, a busca por genótipos adequados a cada ambiente se faz necessária. O objetivo do trabalho foi caracterizar e estimar o potencial produtivo e a diversidade de genótipos de soja com base em caracteres quantitativos. Foram utilizadas quatro diferentes coleções totalizando 301 genótipos, provindos da Universidade Regional Noroeste do Rio Grande do Sul (UNIJUÍ). As características foram massa de cem sementes (MCS), proteína (PTN), óleo (OLE), Fibra (FIB), Cinza (CIN), Ácido Palmítico (APA), Ácido Esteárico (AES), Ácido Oleico (AOL), Ácido Linoleico (ALI), Ácido Linolênico (ALN). Todas as análises foram realizadas utilizando o software Genes. O potencial foi avaliado através da análise descritiva das características e aplicado o teste de Tukey e a estatística de Lilliefors, depois os dados foram submetidos à uma análise de correlação de Pearson. A rede de correlações foi gerada através da matriz de distância euclidiana, e por fim os melhores genótipos foram analisados de acordo com Diagramas de Venn. A diversidade foi fundamentada através da análise discriminante e agrupamento pelo método de Tocher. A distribuição da variabilidade entre e dentro das coleções foi estimada pelo método da AMOVA e a discriminação dos genótipos foi realizada pelas funções linear e quadrática de Anderson. As análises mostraram que a MCS esteve inferior, média de 15.66, requerendo esforções do melhorista afim de elevar esta característica. Além disso, dentre os constituintes da semente, apenas PTN se apresentou baixo, com média no patamar de 33,40%, PTN e OLE apresentaram curva de distribuição próximo da Normal, indicando possível controle poligênico de natureza aditiva. A correlação mais expressiva foi entre PTN e OLE, valor de -0,7, e já é muito conhecida. MCS se correlacionou positivamente com PTN e negativamente com FIB, valores de 0,18 e 0,31 respectivamente. As redes de correlações individualizadas mostraram que a coleção 4 apresentou maior número de interações com alta intensidade, sejam elas positivas ou negativas e a coleção 3 foi a que apresentou a menor. A coleção de interesse, coleção 3 apresentou genótipos semelhantes entre si, 3 e 4, e 20 e 38, e ambos se mostraram divergentes do genótipo 38, e a população base apresentou bons genótipos para PTN e OLE, e MCS e OLE. Os diagramas apresentados foram concordantes em apontar a dificuldade de evidenciar genótipos que tenham bom desempenho considerando simultaneamente as características MCS, PTN e OLE. A análise de componentes principais mostrou dois componentes foram suficientes para explicar 88.38% da variância disponível nas características analisadas e a dispersão gráfica evidenciou que as coleções 3 e 4 são dissimilares. Nenhum grupo foi estabelecido com exclusividade ou prevalência de uma determinada coleção pelo agrupamento de Tocher. A AMOVA evidenciou que a coleção 1 é mais heterogênea e a coleção 3 é mais homogênea, além disso, 80.45% da variação encontrada está dentro das coleções. As análises discriminantes de Anderson tiveram taxa de erro de 26.44% e 19.96% para as análises linear e quadrática, respectivamente, evidenciando que determinados fatores podem dificultar a classificação correta das coleções. Sendo assim concluiu-se que os genótipos avaliados apresentaram bom potencial em termos de PTN, atingindo valor médios de 33,40%, porém a coleção 3 apresentou 34.29% de PTN, com baixa variabilidade exigindo esforços adicionais para incluir formas alélicas mais favoráveis recorrendo a genótipos de outras coleções, e foram identificados genótipos de bom desempenho que reúnam caraterísticas de interesse tais como MCS e PTN ou MCS e OLE. Associado a isto, existem coleções que podem ser diferenciadas e com concentração de alelos favoráveis para características de qualidade industrial diversificada. Palavras-chave: Produtividade. Caracteres quantitativos. Melhoramento genético. Diagramas de Venn.Item Efficiency of quantitative trait loci mapping under genotype x environment interaction(Universidade Federal de Viçosa, 2022-12-15) David, Grace Sunshine; Viana, José Marcelo SorianoQuantitative trait loci (QTL) mapping using simulation gives an opportunity to actually determine the number and positions of QTLs which cannot be done using field data. This study was carried out to assess the efficiency of quantitative trait loci mapping under genotype by environment interaction. In this investigation, we simulated 50 samples of 300 recombinant inbred lines (RILs) in six environments which were genotyped for 1000 single nucleotide polymorphism (SNPs) and phenotyped for grain yield. A total of six major and 190 minor QTLs (19 in each chromosome) were randomly distributed in the regions covered by the SNPs along ten chromosomes. The chromosome length was 200 cM and the average density was 2 cM. The average degree of dominance was 0.6. There were basically two scenarios for comparison in this investigation. The first (with genotype x environment effect) and the second (without genotype x environment effect). The QTL heritabilities ranged from 2.1 to 14% and the trait heritability across environments was within the range of 23 to 85%. The results across environments for the first scenario showed that QTL power of detection was 82% while bias and false positive rate (FPR) were 2.1 cM and 4.5% respectively. In the second scenario, power of detection was 86% while bias and FPR were 2.2 cM and 4.4% respectively. In the joint QTL mapping analysis, power of detection increased with higher QTL heritability and there was an effective control of false positive rate in the two scenarios. These results depict a real field data and shows the effectiveness of mapping QTLs across environment and its role in expression of quantitative traits. Keywords: Power of QTL detection, false positive rate, mapping precision, genotype by environment interaction.Item Predição genômica sob diferentes cenários que incluem, ou não, locos controladores de características(Universidade Federal de Viçosa, 2022-07-25) Moraes, Francyse Edite de Oliveira Chagas de; Cruz, Cosme Damião; http://lattes.cnpq.br/8188454663294888O presente estudo avaliou o impacto do uso de diferentes conjuntos de marcadores sobre a eficiência da predição utilizando as técnicas RR-BLUP, árvore de decisão, bagging, boosting e random forest. As técnicas foram analisadas em relação a seis características. As características foram controladas pelos mesmos quarenta genes com diferentes herdabilidades (0,4, 0,6 e 0,8) acrescidos, ou não, por quatro genes com efeitos maiores de herdabilidade igual a um. O grau médio de dominância adotado foi um para todas as características. Dentro de cada gene havia um marcador. Os genes controladores de efeito menor estavam distribuídos equitativamente nos oito primeiros grupos de ligação (GL) e os quatro de efeito maior estavam nos quatro primeiros GL. Ao simular a aleatorização envolvida na formação dos gametas que originaram a população, pode segregar as marcas diferentemente do que era desejado. Além disso, os dados fenotípicos e genotípicos gerados podem ser diferentes dos pretendidos. No primeiro capítulo foi analisada a qualidade dos dados em relação a esses fatores. Foi testado se o conjunto de dados obtido por simulação expressava o padrão fenotípico e/ou genotípico das diversas características e se os marcadores segregavam corretamente. Encontrou-se que das 2010 marcas simuladas, somente cinco não segregavam como o esperado. As marcas estavam distribuídas equitativamente em dez grupos de ligação e por meio dos resultados de desequilíbrio de ligação. Mesmo com as marcas distorcidas, foi possível recuperar a ordem e a posição desses grupos. Em relação aos dados fenotípicos, encontrou-se que as características controladas por quarenta genes (x1, x3 e x5) possuíam uma média de 127,97 e as características controladas por quarenta e quatro genes (x 2, x4 e x6) possuíam uma média de 220,21, independentemente da herdabilidade. As variâncias foram todas diferentes, mas com o padrão das que eram controladas por quarenta genes serem menores do que as controladas por quarenta e quatro genes. Ao se fazer a correlação entre os valores fenotípicos e valores genotípicos, recuperou- se o valor da herdabilidade das características próximo ao estipulado pela simulação. Observou-se que a presença de genes de efeitos maiores aumentava a herdabilidade, facilitando o estabelecimento de classes de discriminação genotípica. Ao se plotar os dados para análise da distribuição fenotípica, observou-se distribuição contínua em x1, x3 e x5. Em x2, x4 e x6 foi visto padrão contínuo com tendência a estabilização e formação de duas regiões modais. Os dados simulados remetiam ao que era esperado, podendo ser usado nas análises. No segundo capítulo, foi analisada a eficiência da predição por meio da capacidade preditiva (r2) e da raiz do erro quadrado médio (REQM) das técnicas RR-BLUP, árvore de decisão, bagging, boosting e random forest em cinco diferentes conjuntos de marcadores. Como mencionado anteriormente, os genes controladores de efeito menor estavam distribuídos equitativamente nos oito primeiros grupos de ligação (GL) e os quatro de efeito maior estavam nos quatro primeiros GL. Como foram simulados dez grupos de ligação com 201 marcas codominantes em cada, havia 1608 marcas diretamente ou indiretamente relacionadas aos genes e 402 marcas desnecessárias a predição. A formação dos conjuntos de marcadores levou essas informações como critério. No grupo um, estavam todos os marcadores. No grupo dois, os 1608 marcadores diretamente ou indiretamente relacionados aos genes. No grupo três, os quarenta e quatro marcadores dentro dos genes e os 402 marcadores não relacionados. No grupo quatro, os 402 marcadores desnecessários a predição. No grupo cinco, os quarenta e quatro marcadores diretamente relacionados aos genes controladores. Ao se analisar o r2 e REQM das técnicas, observou-se que a maioria delas promoveu resultados péssimos na situação quatro. A técnica árvore de decisão chegou a não obter os valores em algumas repetições. Como nessa situação não havia marcadores relacionados as características, era esperado que em nenhuma técnica fosse possível obter resultados. A explicação veio pelo RR-BLUP. Ele forneceu o efeito dos marcadores sobre as características. Foram encontrados efeitos falsos positivos relacionados às 402 marcas desnecessárias a predição. Continuando-se as análises, foi observado que as técnicas bagging e boosting obtiveram os maiores valores de r2 entre todas as técnicas (0,880 e 0,815, respectivamente) e os menores valores de REQM (5,852 e 5,853). A maioria dos valores foi obtida do quinto conjunto de dados e, ou não diferiu significativamente dos outros conjuntos, ou foi diferente apenas do conjunto quatro (sem marcadores relacionados). Resultado diferente foi observado para a random forest. Ela foi a mais sensível, tanto aos diferentes subconjuntos de marcadores quanto as diferentes características. Para o quinto conjunto de marcadores, obteve r2 para as características x3, x4, x5 e x6, respectivamente iguais a 0,371; 0,720; 0,514 e 0,788. Para REQM, obteve, naquele mesmo conjunto, em x 3 e x5, respectivamente, 10,280 e 8,371. Esses valores foram os melhores e diferentes significativamente dos obtidos para as mesmas características nos outros quatro conjuntos. Os resultados obtidos mostram que o uso de diferentes técnicas exploram melhor o conjunto de dados. Também mostra que o descarte de marcadores desnecessários não prejudica o processo preditivo, algumas vezes até o melhora, sendo recomendável. Trabalhos futuros deveriam se concentrar na identificação dos marcadores diretamente envolvidos com as características. Palavras-chave: Simulação. Capacidade preditiva. Raiz do erro quadrado médio. RR- BLUP. Aprendizado de máquina.Item Aplicação dos modelos lineares mistos no melhoramento de Cynodon spp.(Universidade Federal de Viçosa, 2022-09-01) Elizeu, Arthur Mayrink; Bhering, Leonardo Lopes; http://lattes.cnpq.br/8601996074791045O gênero Cynodon pertence à família Poaceae sendo uma das espécies forrageiras mais cultivadas no mundo. É possível diferenciar essa gramínea em dois grupos: Gramas-Bermudas, que possui como representante Cynodon dactylon; e Gramas-Estrela, abrangendo C. nlemfuensis, C. arthiopicus e C. plectostacyus. A utilização de Cynodon spp. na alimentação do gado tem contribuído com ganhos consideráveis no peso dos animais e no aumento da produção de leite, além de ser uma forrageira que apresenta boa produtividade e qualidade nutricional. O programa de melhoramento genético de Cynodon da Embrapa explora a variabilidade genética da espécie utilizando a seleção recorrente fenotípica de famílias de meio- irmãos e autofecundação de clones, com foco na seleção de clones com elevada produtividade de biomassa vegetal (produção de forragem). Classicamente, dados dessa natureza eram avaliados sob Análise de Variância (ANOVA). Entretanto, tomar medidas em um mesmo genótipo ao longo do tempo pode gerar erros correlacionados, ferindo um dos pressupostos da ANOVA de independência dos resíduos. Neste sentido a utilização de modelos lineares mistos aplicando a modelagem de estruturas de covariância dos efeitos aleatórios torna-se uma abordagem promissora para obtenção dos valores genéticos mais acurados. A busca por estratégias que auxilie o melhorista a selecionar indivíduos superiores baseados em várias características pode contribuir na otimização de um programa de melhoramento. Assim o objetivo do presente trabalho foi realizar a modelagem de estruturas de covariância em clones de Cynodon spp. e avaliar o ganho genético baseado na seleção a partir de um índice multicaracterístico. O experimento foi realizado em 2012 no campo experimental da Embrapa Gado de Leite. O delineamento adotado foi em blocos aumentados, com quatro blocos e cinco testemunhas comerciais avaliados em quatro cortes. As 197 progênies de autofecundação da cultivar Grama Estrela Roxa juntamente com as cinco testemunhas foram avaliadas para as características altura de plantas (PH), porcentagem de matéria seca de forragem (DM), peso verde de forragem (WG) e vigor da planta (VG). Dezenove modelos foram testados e a escolha do modelo de melhor ajuste foi determinada pelo AIC. O índice multicaracterístico utilizado foi o FAI-BLUP, que se baseia em análise fatorial para identificar um ideótipo e posteriormente realizar a seleção. O modelo mais ajustado segundo o AIC foi o m17, que adota a estrutura de covariância CORH para os efeitos genéticos. A escolha dessa estrutura reflete a natureza de dados avaliados sob medidas repetidas, uma que possibilita variâncias heterogêneas para cada corte, mas sem ignorar a correlação que existe entre os mesmos. Escolher o modelo adequado refletiu em alterações no ranking dos melhores indivíduos. O índice FAI-BLUP possibilitou ganhos em todas características com destaque para WG e VG. Os 20% melhores genótipos foram selecionados e estes são T5, 11, 118, T3, 152, 134, 161, 7, 35, 126, 128, 149, 81, 103, 165, 168, T1, T2, 39 e 193. Este trabalho evidenciou que ajustar um modelo com a estrutura de covariância adequada, possibilita obter ganhos com a seleção e garante uma seleção mais acurada seja na seleção direta ou para seleção simultânea de múltiplas características. Palavras-chave: Estruturas de covariância. Medidas Repetidas. FAI-BLUP. Melhoramento de forrageiras. REML/BLUP.Item Eficiência preditiva de características de qualidade da madeira de Eucalyptus com abordagens de Machine Learning aplicadas a dados NIR(Universidade Federal de Viçosa, 2022-07-04) Ferraz, Alexandre Gomes; Cruz, Cosme Damião; http://lattes.cnpq.br/4004613002602772A qualidade da madeira é uma das características decisivas na recomendação de clones nos programas de melhoramento de eucaliptos. Essa informação mensurada de forma acurada e precoce, auxilia nas decisões do melhorista e aumenta as chances de obter clones superiores. A mensuração dessa característica no gênero Eucalyptus é laboriosa, requer vários dias para determinação em laboratório, é um processo caro, aplicado em um número restrito de indivíduos e, muitas das vezes, demanda a perda total dos indivíduos amostrados. Para contornar essas dificuldades, a técnica de espectroscopia no infravermelho próximo tem sido uma alternativa que possibilita a predição dessas características da associação de comprimentos de ondas e as características avaliadas em laboratório. O principal método usado para predição é o dos mínimos quadrados parciais ou PLS (Partial Least Squares) que, apesar de eficiente para algumas características, ainda se mostra limitante no que se refere à acurácia preditiva, sendo necessário testar novas metodologias de predição. Além disso, os métodos de pré-tratamentos usados para limpeza dos dados espectrais são poucos difundidos, gerando muitas dúvidas de qual é o melhor a se usar. O objetivo desse trabalho foi avaliar a importância do uso de pré-tratamento na predição de características tecnológicas da madeira e testar metodologias de Machine Learning na predição dessas características, com base em informações de NIR (Near Infrared Spectroscopy), para fins de seleção indireta de indivíduos de Eucalyptus. O material para as análises foi composto por 75 indivíduos de E. benthamii 3 de E. saligna, 3 de E. grandis e 3 de E. dunnii, totalizando 87 indivíduos escolhidos por critérios industriais. Para avaliação dos pré-tratamentos e modelos de predição, foram usadas 11 características obtidas por análises laboratoriais. Para a avaliação da importância dos pré-tratamento, usou-se 15 métodos de pré-tratamentos, sendo que alguns apresentam parâmetros variáveis, totalizando 199 possibilidades. Para os modelos de predição, foram testadas 4 metodologias de Machine Learning (Árvores de decisão, Floresta Aleatória, bagging e boosting) e comparadas ao PLS em diferentes cenários (no mesmo background genético, usando diferentes background com os dados pré-tratados e sem pré-tratamento). A avaliação de pré-tratamento para fins de ajustes de modelos para predição foi indispensável via PLS. Diferentes técnicas de pré- tratamentos se mostram eficientes, considerando informações de diferentes características na população de E. benthamii, sendo recomendável estudos prévios para adequação do melhor pré-tratamento. O uso do pré-tratamento envolvendo técnicas de segunda derivada com gap se destacou no conjunto de dados analisados e deve ser enfatizado como uma alternativa vantajosa em estudos de ajuste de modelo. No estudo de predição, conclui-se que diferentes características se identificam com diferentes abordagens e que o procedimento PLS é uma opção de análise a ser considerada, mas seu generalizado não é recomendado, sendo que outras opções podem apresentar resultados comparativamente superiores. O background considerado nos conjuntos de dados de treinamento e validação influenciam os resultados. Validar conjuntos de mesmo background conduz a resultados de eficiência de predição mais elevados. Palavras-chave: Eucalyptus. Aprendizado de Máquina. Qualidade da Madeira. Melhoramento Genético.Item Métodos estatísticos na avaliação da repetibilidade genotípica em lima ácida ‘Tahiti’(Universidade Federal de Viçosa, 2023-03-30) Malikouski, Renan Garcia; Bhering, Leonardo Lopes; http://lattes.cnpq.br/9926111429759249Métodos estatísticos na avaliação da repetibilidade genotípica em lima ácida ‘Tahiti’. Orientador: Leonardo Lopes Bhering. Frutíferas perenes como a lima ácida ‘Tahiti’ tiveram sua área de cultivo aumentada nos últimos anos devido ao acréscimo no consumo dos seus frutos na preparação de alimentos e bebidas. Para atender a demanda pela produção, a utilização de variedades com alto potencial produtivo recebe destaque como um método de potencializar o cultivo pela alta eficiência e sustentabilidade. A perenidade da lima ácida ‘Tahiti’, assim como em outras espécies, requer a utilização de métodos estatísticos de seleção que isolem efeitos ambientais e possibilitem a identificação apenas da fração genética entre os candidatos. Portanto, a busca de métodos de análise que possam corroborar para aumentar a eficiência e a confiabilidade na avaliação dos dados em experimentos é de suma importância para o progresso no melhoramento genético. Diferentes métodos estatísticos foram aplicados em um conjunto de dados de lima ácida ‘Tahiti’ a fim de investigar a repetibilidade genética na cultura. Sendo assim, 24 genótipos, constituídos de 12 variedades de copa enxertados em 2 híbridos como porta enxerto foram avaliados ao longo de 4 anos para características produtivas, vegetativas e de qualidade de frutos. Em um primeiro artigo, objetivou-se estimar parâmetros genéticos como o coeficiente de repetibilidade através de um modelo linear misto, a fim de determinar o número ótimo de medidas para se avaliar os genótipos com acurácia e precisão. Em resumo, quatro colheitas foi o número recomendado para identificar combinações com base em características produtivas. A seleção com base em várias características simultaneamente é um processo importante e necessário de ser realizado, porém desafiador, dado a diversidade de genes que controlam essas características com variadas magnitudes de efeitos e a interação destes com o ambiente. Deste modo, em um segundo capítulo, aplicou-se a metodologia de regressão aleatória no conjunto de dados e propôs-se um índice de seleção com as áreas abaixo das curvas dos valores genéticos preditos, obtidos pelos coeficientes de regressão aleatórios para características produtivas e vegetativas. Constatou-se que modelos de regressão aleatória lidam adequadamente com medidas repetidas, dados desbalanceados e são recomendados para lidar com interações ambientais. A metodologia aplicada permitiu a predição de valores genotípicos para medições não avaliadas e recomendação de genótipos superiores com base em caracteres simultaneamente. Ao selecionar ou recomendar genótipos superiores, a utilização de conceitos de probabilidade, advindos da inferência bayesiana podem aumentar a confiabilidade, permitindo a identificação de genótipos superiores e estáveis, aumentando assim a eficiência de um programa de melhoramento. Em um terceiro estudo, testou-se a aplicabilidade de um modelo probabilístico bayesiano para a recomendação de lima ácida ‘Tahiti’ através de parâmetros de performance e estabilidade. Ajustou-se um modelo probabilístico por meio de um algoritmo amostrador de Monte Carlo Hamiltoniano. Calculou-se a probabilidade de superioridade do valor genético de cada genótipo no contexto geral e em cada colheita, bem como a probabilidade da inferioridade da interação genótipos x colheitas. Os resultados mostraram a aplicabilidade do modelo probabilístico bayesiano através de componentes de variância acurados, valores de probabilidade para as comparações de performance e estabilidade e intervalos de credibilidade para os parâmetros obtidos. Palavras-chave: Citrus latifolia. Dados longitudinais. Modelos mistos. Inferência bayesiana.Item Optimizing a sweet corn breeding program: implementing genomic selection and doubled haploid technology(Universidade Federal de Viçosa, 2022-04-01) Coelho, Igor Ferreira; Bhering, Leonardo Lopes; http://lattes.cnpq.br/9436999633800764Several tools have been adopted to optimize the breeding programs performance, in terms of breeding cycle length and number of field plots. In this way, tools as genomic selection (GS) and doubled haploid technologies (DH) have been adopted because they shorten the breeding cycle, by predicting the best materials without needing for trying in field (GS) or by the generation of lines faster (DH); diminish the number of field plots, by bringing just the most potential materials (GS) or skipping successive cycles of autopollination (DH); and others. Moreover, many models and packages were developed to simulate breeding programs following the advancement of computational efficiency. With reliability of biological process and robust statistical principles. This fact enables the researchers to investigate the breeding methods and strategies, avoiding the need to implement everything in field, which would take long time and have high cost, to choose the most potential strategy(ies) to be adopted in the program. This work adopted the AlphaSimR package with the goal of optimize a sweet corn breeding program, by including the GS and DH tools, through the evaluation of the genetic parameters and general costs. It was observed that the adoption of these technologies inflates the budget of the program and increase the number of field plots. However, these strategies bring higher genetic gains of the programs and reduce the breeding cycle length. As conclusion, the financial/genetic recompense of adopting these technologies is given by the generation of lines/hybrids faster, which is an intangible gain, but it is very important in a long-term commercial breeding program. Keywords: Plant Breeding. Quantitative Genetics. Biometric Analyses. Genotype-by- Environment Interaction. Cost Efficiency.Item Efficiency of mapping epistatic quantitative trait loci(Universidade Federal de Viçosa, 2022-03-14) Souza, Camila Angélica Santos; Viana, José Marcelo Soriano; http://lattes.cnpq.br/7749104914003902Previous methodological investigations on epistatic QTL mapping have shown that this procedure is powerful, efficient to control the false positive rate (FPR), and precise to localize QTLs. The objective of this simulation-based study is to show that mapping epistatic QTLs is not almost perfect. The standard procedures for the most important software available maximized the power of detection for QTLs (56-74% on average), associated with a very high FPR (65%) and a low power for the epistatic pairs (7%). Increasing the average power for epistatic pairs (14%) highly increased the related FPR. Adopting a procedure to find the best balance between power and FPR, there was a significant decrease in the power of QTL detection (17-31% on average), associated with a low average power for epistatic pairs (8%) and an average FPR of 31% for QTLs and 16% for epistatic pairs. We believe that the main reasons for these negative results are simplified modelling of the epistatic effects and no inclusion of minor genes (2/3 of the FPR for QTLs were due to minor genes). Keywords: Epistasis. QTL detection power. False positive rate. Mapping precision.