• O sistema entrará em processo de atualização de funcionalidades às 22:30. Pedimos a todos que salvem seus trabalhos para que não haja transtornos.
    Agradecemos a compreensão, em 15 minutos o sistema estará de volta.
Notícias

Banca de DEFESA: MAX BRANDAO DE OLIVEIRA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: MAX BRANDAO DE OLIVEIRA
DATA: 15/03/2019
HORA: 08:00
LOCAL: Núcleo de Pós-Graduação em Ciências Agrárias
TÍTULO: Bayes t e Bayes tπ: Modelos Bayesianos Robustos para Seleção Genômica Ampla
PALAVRAS-CHAVES: Características de carcaça, distribuição t, ovinos de corte, robustez, SNPs, valor genômico
PÁGINAS: 80
GRANDE ÁREA: Ciências Agrárias
ÁREA: Zootecnia
SUBÁREA: Genética e Melhoramento dos Animais Domésticos
RESUMO:

O melhoramento genético animal utiliza métodos de predição que envolvem análises estatísticas complexas com o propósito de estimar o mérito genético dos animais para selecionar aqueles geneticamente superiores. Com a evolução das técnicas de genotipagem, permitiu-se acrescentar a informação genômica aos modelos através dos marcadores SNPs (Single NucleotidePolymorphism). Foram desenvolvidas diversas metodologias baseadas em inferência Bayesiana capazes de estimar o valor genômico do animal e estimar o efeito e a significância do SNP para características de interesse. Os modelos, distinguem-se por assumir diferentes distribuições para o efeito dos marcadores, como a normal, t e dupla-exponencial, no entanto utilizam apenas a distribuição normal para a variável resposta. A distribuição t apresenta uma simetria equivalente à normal, mas possui o fenômeno chamado de caudas pesadas, que confere menor sensibilidade a outliers, melhor adaptabilidade e maior variabilidade. Essas características podem favorecer o ajuste de um modelo mais robusto, assim como a dupla-exponencial, sendo que esta última ainda tem uma maior concentração em torno da média. Portanto, o objetivo com esta pesquisa é desenvolver modelos de seleção genômica ampla usando a distribuição t (Bayes t) e a Laplace (Bayes L) para a variável resposta. Para isso, foi proposto e desenvolvido um modelo Bayesiano no software R que foi comparado por meio do DIC, acurácia preditiva e análise residual, para quantificar a diferença entre os ajustes dos modelos propostos com o RRBLUP, já consolidado no meio acadêmico. Para validação dos modelos, foram simulados dados genômicos de 2.000 animais no software QMSim em 1.000 gerações. Os dados foram gerados com 3 níveis de variância: 5, 10 e 15. Além disso, os ajustes foram aplicados em amostras com tamanhos 300, 1.000 e 2.000 animais. Resultados apontam que, quando existem outliers na amostra, os modelos com distribuições t e Laplace são mais robustos. Os 3 modelos avaliados foram centrados em 0, mas a dispersão residual dos ajustes propostos foi inferior, porém em todos os cenários testados, os modelos propostos foram mais acurados do que o RRBLUP. Entre eles, o Bayes t foi ainda mais acurado e com menor variabilidade residual do que o Bayes L, principalmente para tamanhos amostrais menores. Os modelos também foram aplicados em uma amostra de 389 ovinos da raça Santa Inês, com a variável resposta área de olho de lombo. Os resíduos dos 3 concentraram-se em torno de 0, sendo o Bayes t o mais próximo de 0, bem como foi o de menor dispersão residual e o de menor DIC entre os 3. A correlação entre os valores preditos e observados no Bayes t foi 0,8006, enquanto no RRBLUP e no Bayes L, foram 0,6835 e 0,6901, respectivamente. Portanto, os métodos propostos surgem como alternativas de modelos robustos para dados com presença de outliers e para tamanhos de amostras pequenos, em especial o Bayes t, que apresentou melhores resultados.


MEMBROS DA BANCA:
Presidente - 1550485 - JOSE LINDENBERG ROCHA SARMENTO
Externo ao Programa - 1737174 - FABIO BARROS BRITTO
Externo à Instituição - JOSE AILTON ALENCAR ANDRADE - UFC
Externo à Instituição - LUIZ ANTONIO SILVA FIGUEIREDO FILHO - IFMA
Externo à Instituição - LUIZ BRITO - PURDUE
Notícia cadastrada em: 28/02/2019 13:23
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb05.ufpi.br.instancia1 14/06/2024 22:20