Predição de valores genéticos utilizando inferência bayesiana e frequência em dados simulados.

Dados simulados foram utilizados para comparar as metodologias Eblup e Bayesiana, em dados com homogeneidade de variâncias, heterogeneidade de variância genética e heterogeneidade de variância genética e ambiental. Para obtenção dessas estruturas foram feitos descartes estratégicos dos valores genéticos aditivos e ambientais de acordo com o tipo de heterogeneidade e o nível de variabilidade desejada (alta, média ou baixa), sendo utilizados dois tamanhos de população (grande e pequena). Para a metodologia Bayesiana foram utilizados três níveis de informação a priori: não informativo, pouco informativo e informativo. A presença da heterogeneidade de variâncias causa problemas para a seleção dos melhores indivíduos, principalmente se a heterogeneidade estiver nos componentes de variância genética e ambiental, sendo os animais selecionados equivocadamente do ambiente mais variável. Os métodos comparados tiveram resultados semelhantes, quando distribuições a priori não informativas foram utilizadas, e as populações de tamanho grande, de modo geral, apresentaram melhores predições de valores genéticos. Foi observado, para a metodologia Bayesiana, que o aumento no nível de informação a priori influencia positivamente as predições dos valores genéticos, principalmente para as populações pequenas. O método Bayesiano é indicado para populações de tamanho pequeno quando há disponibilidade de distribuições a priori informativas.

Saved in:
Bibliographic Details
Main Authors: CARNEIRO JUNIOR, J. M., ASSIS, G. M. L. de, EUCLYDES, R. F., MARTNS, W. M. de O., WOLTER, P. F.
Other Authors: JOSE MARQUES CARNEIRO JUNIOR, CPAF-AC; GISELLE MARIANO LESSA DE ASSIS, CPAF-AC; Ricardo Frederico Euclydes, Universidade Federal de Viçosa (UFV); Williane Maria de Oliveira Martins, Embrapa Acre; Priscila Ferreira Wolter, Embrapa Acre.
Format: Artigo de periódico biblioteca
Language:pt_BR
por
Published: 2010-11-06
Subjects:Avaliação genética, Genetic parameters, Inferência Bayesiana, Bayesian inference, Metodologia Eblup, Informação a priori, Heterogeneidade de variância, Componentes de variância, Análisis estadístico, Cruce de animales, Heterogeneidad genética, Simulación por computadora, Varianza genética., Melhoramento genético animal, Parâmetro genético, Estimativa, Análise estatística, Método estatístico, Modelo de simulação, Animal breeding, Genetic variance, Genetic heterogeneity, Statistical analysis, Computer simulation.,
Online Access:http://www.alice.cnptia.embrapa.br/alice/handle/doc/866226
http://dx.doi.org/10.4025/actascianimsci.v32i3.7862
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:Dados simulados foram utilizados para comparar as metodologias Eblup e Bayesiana, em dados com homogeneidade de variâncias, heterogeneidade de variância genética e heterogeneidade de variância genética e ambiental. Para obtenção dessas estruturas foram feitos descartes estratégicos dos valores genéticos aditivos e ambientais de acordo com o tipo de heterogeneidade e o nível de variabilidade desejada (alta, média ou baixa), sendo utilizados dois tamanhos de população (grande e pequena). Para a metodologia Bayesiana foram utilizados três níveis de informação a priori: não informativo, pouco informativo e informativo. A presença da heterogeneidade de variâncias causa problemas para a seleção dos melhores indivíduos, principalmente se a heterogeneidade estiver nos componentes de variância genética e ambiental, sendo os animais selecionados equivocadamente do ambiente mais variável. Os métodos comparados tiveram resultados semelhantes, quando distribuições a priori não informativas foram utilizadas, e as populações de tamanho grande, de modo geral, apresentaram melhores predições de valores genéticos. Foi observado, para a metodologia Bayesiana, que o aumento no nível de informação a priori influencia positivamente as predições dos valores genéticos, principalmente para as populações pequenas. O método Bayesiano é indicado para populações de tamanho pequeno quando há disponibilidade de distribuições a priori informativas.