Quadrados mínimos parciais uni e multivariado aplicados na seleção genômica para características de carcaça em suínos.

A principal contribuição da genética molecular é a utilização direta das informações de DNA no processo de identifi cação de indivíduos geneticamente superiores. Sob esse enfoque, idealizou-se a seleção genômica ampla (Genome Wide Selection - GWS), a qual consiste na análise de marcadores SNPs (Single Nucleotide Polymorphisms) amplamente distribuídos no genoma. Devido a esse grande número de SNPs, geralmente maior que o número de indivíduos genotipados, e à alta colinearidade entre eles, métodos de redução de dimensionalidade são requeridos. Dentre estes, destaca-se o método de regressão via Quadrados Mínimos Parciais (Partial Least Squares - PLS), que além de solucionar tais problemas, permite uma abordagem multivariada, considerando múltiplos fenótipos. Diante do exposto, objetivouse aplicar e comparar a regressão PLS univariada (UPLS) e multivariada (MPLS) na GWS para características de carcaça em uma população F2 de suínos Piau×Comercial. Os resultados evidenciaram a superioridade do método MPLS, uma vez que este proporcionou maiores valores de acurácia em relação à abordagem univariada.

Saved in:
Bibliographic Details
Main Authors: AZEVEDO, C. F., SILVA, F. F. e, RESENDE, M. D. V. de, PETERNELLI, L. A., GUIMARÃES, S. E. F., LOPES, P. S.
Other Authors: CAMILA FERREIRA AZEVEDO, UFV; FABYANO FONSECA E SILVA, UFV; MARCOS DEON VILELA DE RESENDE, CNPF; LUIZ ALEXANDRE PETERNELLI, UFV; SIMONE ELIZA FACIONE GUIMARÃES, UFV; PAULO SÁVIO LOPES, UFV.
Format: Separatas biblioteca
Language:pt_BR
por
Published: 2013-09-17
Subjects:Melhoramento genético, Seleção genômica, Redução de dimensionalidade, Análise multivariada., Suíno.,
Online Access:http://www.alice.cnptia.embrapa.br/alice/handle/doc/966386
Tags: Add Tag
No Tags, Be the first to tag this record!
id dig-alice-doc-966386
record_format koha
spelling dig-alice-doc-9663862017-08-16T01:01:19Z Quadrados mínimos parciais uni e multivariado aplicados na seleção genômica para características de carcaça em suínos. AZEVEDO, C. F. SILVA, F. F. e RESENDE, M. D. V. de PETERNELLI, L. A. GUIMARÃES, S. E. F. LOPES, P. S. CAMILA FERREIRA AZEVEDO, UFV; FABYANO FONSECA E SILVA, UFV; MARCOS DEON VILELA DE RESENDE, CNPF; LUIZ ALEXANDRE PETERNELLI, UFV; SIMONE ELIZA FACIONE GUIMARÃES, UFV; PAULO SÁVIO LOPES, UFV. Melhoramento genético Seleção genômica Redução de dimensionalidade Análise multivariada. Suíno. A principal contribuição da genética molecular é a utilização direta das informações de DNA no processo de identifi cação de indivíduos geneticamente superiores. Sob esse enfoque, idealizou-se a seleção genômica ampla (Genome Wide Selection - GWS), a qual consiste na análise de marcadores SNPs (Single Nucleotide Polymorphisms) amplamente distribuídos no genoma. Devido a esse grande número de SNPs, geralmente maior que o número de indivíduos genotipados, e à alta colinearidade entre eles, métodos de redução de dimensionalidade são requeridos. Dentre estes, destaca-se o método de regressão via Quadrados Mínimos Parciais (Partial Least Squares - PLS), que além de solucionar tais problemas, permite uma abordagem multivariada, considerando múltiplos fenótipos. Diante do exposto, objetivouse aplicar e comparar a regressão PLS univariada (UPLS) e multivariada (MPLS) na GWS para características de carcaça em uma população F2 de suínos Piau×Comercial. Os resultados evidenciaram a superioridade do método MPLS, uma vez que este proporcionou maiores valores de acurácia em relação à abordagem univariada. 2013-09-17T11:11:11Z 2013-09-17T11:11:11Z 2013-09-17 2013 2015-11-18T11:11:11Z Separatas Ciência Rural, Santa Maria, RS, v. 43, n. 9, p. 1642-1649, set. 2013. http://www.alice.cnptia.embrapa.br/alice/handle/doc/966386 pt_BR por openAccess
institution EMBRAPA
collection DSpace
country Brasil
countrycode BR
component Bibliográfico
access En linea
databasecode dig-alice
tag biblioteca
region America del Sur
libraryname Sistema de bibliotecas de EMBRAPA
language pt_BR
por
topic Melhoramento genético
Seleção genômica
Redução de dimensionalidade
Análise multivariada.
Suíno.
Melhoramento genético
Seleção genômica
Redução de dimensionalidade
Análise multivariada.
Suíno.
spellingShingle Melhoramento genético
Seleção genômica
Redução de dimensionalidade
Análise multivariada.
Suíno.
Melhoramento genético
Seleção genômica
Redução de dimensionalidade
Análise multivariada.
Suíno.
AZEVEDO, C. F.
SILVA, F. F. e
RESENDE, M. D. V. de
PETERNELLI, L. A.
GUIMARÃES, S. E. F.
LOPES, P. S.
Quadrados mínimos parciais uni e multivariado aplicados na seleção genômica para características de carcaça em suínos.
description A principal contribuição da genética molecular é a utilização direta das informações de DNA no processo de identifi cação de indivíduos geneticamente superiores. Sob esse enfoque, idealizou-se a seleção genômica ampla (Genome Wide Selection - GWS), a qual consiste na análise de marcadores SNPs (Single Nucleotide Polymorphisms) amplamente distribuídos no genoma. Devido a esse grande número de SNPs, geralmente maior que o número de indivíduos genotipados, e à alta colinearidade entre eles, métodos de redução de dimensionalidade são requeridos. Dentre estes, destaca-se o método de regressão via Quadrados Mínimos Parciais (Partial Least Squares - PLS), que além de solucionar tais problemas, permite uma abordagem multivariada, considerando múltiplos fenótipos. Diante do exposto, objetivouse aplicar e comparar a regressão PLS univariada (UPLS) e multivariada (MPLS) na GWS para características de carcaça em uma população F2 de suínos Piau×Comercial. Os resultados evidenciaram a superioridade do método MPLS, uma vez que este proporcionou maiores valores de acurácia em relação à abordagem univariada.
author2 CAMILA FERREIRA AZEVEDO, UFV; FABYANO FONSECA E SILVA, UFV; MARCOS DEON VILELA DE RESENDE, CNPF; LUIZ ALEXANDRE PETERNELLI, UFV; SIMONE ELIZA FACIONE GUIMARÃES, UFV; PAULO SÁVIO LOPES, UFV.
author_facet CAMILA FERREIRA AZEVEDO, UFV; FABYANO FONSECA E SILVA, UFV; MARCOS DEON VILELA DE RESENDE, CNPF; LUIZ ALEXANDRE PETERNELLI, UFV; SIMONE ELIZA FACIONE GUIMARÃES, UFV; PAULO SÁVIO LOPES, UFV.
AZEVEDO, C. F.
SILVA, F. F. e
RESENDE, M. D. V. de
PETERNELLI, L. A.
GUIMARÃES, S. E. F.
LOPES, P. S.
format Separatas
topic_facet Melhoramento genético
Seleção genômica
Redução de dimensionalidade
Análise multivariada.
Suíno.
author AZEVEDO, C. F.
SILVA, F. F. e
RESENDE, M. D. V. de
PETERNELLI, L. A.
GUIMARÃES, S. E. F.
LOPES, P. S.
author_sort AZEVEDO, C. F.
title Quadrados mínimos parciais uni e multivariado aplicados na seleção genômica para características de carcaça em suínos.
title_short Quadrados mínimos parciais uni e multivariado aplicados na seleção genômica para características de carcaça em suínos.
title_full Quadrados mínimos parciais uni e multivariado aplicados na seleção genômica para características de carcaça em suínos.
title_fullStr Quadrados mínimos parciais uni e multivariado aplicados na seleção genômica para características de carcaça em suínos.
title_full_unstemmed Quadrados mínimos parciais uni e multivariado aplicados na seleção genômica para características de carcaça em suínos.
title_sort quadrados mínimos parciais uni e multivariado aplicados na seleção genômica para características de carcaça em suínos.
publishDate 2013-09-17
url http://www.alice.cnptia.embrapa.br/alice/handle/doc/966386
work_keys_str_mv AT azevedocf quadradosminimosparciaisuniemultivariadoaplicadosnaselecaogenomicaparacaracteristicasdecarcacaemsuinos
AT silvaffe quadradosminimosparciaisuniemultivariadoaplicadosnaselecaogenomicaparacaracteristicasdecarcacaemsuinos
AT resendemdvde quadradosminimosparciaisuniemultivariadoaplicadosnaselecaogenomicaparacaracteristicasdecarcacaemsuinos
AT peternellila quadradosminimosparciaisuniemultivariadoaplicadosnaselecaogenomicaparacaracteristicasdecarcacaemsuinos
AT guimaraessef quadradosminimosparciaisuniemultivariadoaplicadosnaselecaogenomicaparacaracteristicasdecarcacaemsuinos
AT lopesps quadradosminimosparciaisuniemultivariadoaplicadosnaselecaogenomicaparacaracteristicasdecarcacaemsuinos
_version_ 1756018687306891264