Optimization of forest tree breeding through multiple-trait mixed models
Ano de defesa: | 2020 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Tese |
Tipo de acesso: | Acesso aberto |
Idioma: | eng |
Instituição de defesa: |
Universidade Federal de Viçosa
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Área do conhecimento CNPq: | |
Link de acesso: | https://locus.ufv.br//handle/123456789/28745 |
Resumo: | As técnicas atualmente usadas para avaliação genética envolvem a predição de valores genéticos e a estimação de componentes de variância simultaneamente. O método amplamente utilizado, em todo o mundo, para predição de valores genéticos é a melhor predição linear não viesada (BLUP). A predição usando o BLUP assume que os componentes de variância são conhecidos. No entanto, na prática, esses valores não são conhecidos e devem ser estimados com precisão para obter o BLUP empírico. Atualmente, o método padrão para estimação de componentes de variância é o da máxima verossimilhança restrita (REML). Portanto, a avaliação genética consiste em usar essas metodologias juntas (procedimento REML/BLUP). Porém, quando a seleção genética é baseada em várias características, que podem ser geneticamente correlacionadas devido a genes pleiotrópicos e/ou desequilíbrio da fase gamética, pode ocorrer viés de seleção se essas características forem analisadas individualmente. Assim, o presente trabalho teve como objetivo avaliar a aplicabilidade e eficiência do BLUP multicaracterístico no melhoramento florestal. Os modelos multicaracterísticos empregados conduziram a melhores resultados que os tradicionais modelos univariados e de repetibilidade. Portanto, o BLUP multicaracterístico pode ser utilizado com vantagem no melhoramento florestal. Palavras-chave: BLUP. REML. Metodologia de modelos mistos. |
id |
UFV_b901553c6db1e68f0367df6c7ac3455f |
---|---|
oai_identifier_str |
oai:locus.ufv.br:123456789/28745 |
network_acronym_str |
UFV |
network_name_str |
LOCUS Repositório Institucional da UFV |
repository_id_str |
|
spelling |
Alves, Rodrigo Silvahttp://lattes.cnpq.br/2496150091737945Resende, Marcos Deon Vilela de2022-03-11T13:19:03Z2022-03-11T13:19:03Z2020-02-28ALVES, Rodrigo Silva. Optimization of forest tree breeding through multiple-trait mixed models. 2020. 49 f. Tese (Doutorado em Genética e Melhoramento) - Universidade Federal de Viçosa, Viçosa. 2020.https://locus.ufv.br//handle/123456789/28745As técnicas atualmente usadas para avaliação genética envolvem a predição de valores genéticos e a estimação de componentes de variância simultaneamente. O método amplamente utilizado, em todo o mundo, para predição de valores genéticos é a melhor predição linear não viesada (BLUP). A predição usando o BLUP assume que os componentes de variância são conhecidos. No entanto, na prática, esses valores não são conhecidos e devem ser estimados com precisão para obter o BLUP empírico. Atualmente, o método padrão para estimação de componentes de variância é o da máxima verossimilhança restrita (REML). Portanto, a avaliação genética consiste em usar essas metodologias juntas (procedimento REML/BLUP). Porém, quando a seleção genética é baseada em várias características, que podem ser geneticamente correlacionadas devido a genes pleiotrópicos e/ou desequilíbrio da fase gamética, pode ocorrer viés de seleção se essas características forem analisadas individualmente. Assim, o presente trabalho teve como objetivo avaliar a aplicabilidade e eficiência do BLUP multicaracterístico no melhoramento florestal. Os modelos multicaracterísticos empregados conduziram a melhores resultados que os tradicionais modelos univariados e de repetibilidade. Portanto, o BLUP multicaracterístico pode ser utilizado com vantagem no melhoramento florestal. Palavras-chave: BLUP. REML. Metodologia de modelos mistos.The current techniques used for genetic evaluation involve the simultaneous prediction of genetic values and estimation of variance components. Best linear unbiased prediction (BLUP) is a widely used method worldwide to predict genetic values. Prediction using BLUP assumes that the variance components are known. However, these values are not known in practice and should thus be accurately estimated to obtain the empirical BLUP. At present, the standard method to estimate variance components is restricted maximum likelihood (REML). Therefore, genetic evaluation consists of using these methodologies together (REML/BLUP procedure). Nonetheless, when genetic selection is based on several traits, which may be genetically correlated due to pleiotropic genes and/or gametic phase imbalance, selection bias may occur if these traits are analyzed individually. Thus, the present work aimed to evaluate the applicability and efficiency of multiple-trait BLUP in forest-tree breeding. The multiple-trait models employed led to better results than the traditional univariate and repeatability models. On this basis, the multiple-trait BLUP can be advantageously used in forest breeding. Keywords: BLUP. REML. Mixed model methodology.Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorengUniversidade Federal de ViçosaBLUPAnálise de variânciaModelos multiníveis (Estatísticas)Florestas - Melhoramento genéticoGenética QuantitativaOptimization of forest tree breeding through multiple-trait mixed modelsOtimização do melhoramento florestal por meio de modelos mistos multicaracterísticosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal de ViçosaDepartamento de Biologia GeralDoutor em Genética e MelhoramentoViçosa - MG2020-02-28Doutoradoinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFVORIGINALtexto completo.pdftexto completo.pdftexto completoapplication/pdf572184https://locus.ufv.br//bitstream/123456789/28745/1/texto%20completo.pdfafd0e00bb61ca3d463ae4cc9ee5ffb57MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://locus.ufv.br//bitstream/123456789/28745/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52123456789/287452022-03-11 10:20:06.72oai:locus.ufv.br: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Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452022-03-11T13:20:06LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false |
dc.title.en.fl_str_mv |
Optimization of forest tree breeding through multiple-trait mixed models |
dc.title.pt-BR.fl_str_mv |
Otimização do melhoramento florestal por meio de modelos mistos multicaracterísticos |
title |
Optimization of forest tree breeding through multiple-trait mixed models |
spellingShingle |
Optimization of forest tree breeding through multiple-trait mixed models Alves, Rodrigo Silva BLUP Análise de variância Modelos multiníveis (Estatísticas) Florestas - Melhoramento genético Genética Quantitativa |
title_short |
Optimization of forest tree breeding through multiple-trait mixed models |
title_full |
Optimization of forest tree breeding through multiple-trait mixed models |
title_fullStr |
Optimization of forest tree breeding through multiple-trait mixed models |
title_full_unstemmed |
Optimization of forest tree breeding through multiple-trait mixed models |
title_sort |
Optimization of forest tree breeding through multiple-trait mixed models |
author |
Alves, Rodrigo Silva |
author_facet |
Alves, Rodrigo Silva |
author_role |
author |
dc.contributor.authorLattes.pt-BR.fl_str_mv |
http://lattes.cnpq.br/2496150091737945 |
dc.contributor.author.fl_str_mv |
Alves, Rodrigo Silva |
dc.contributor.advisor1.fl_str_mv |
Resende, Marcos Deon Vilela de |
contributor_str_mv |
Resende, Marcos Deon Vilela de |
dc.subject.pt-BR.fl_str_mv |
BLUP Análise de variância Modelos multiníveis (Estatísticas) Florestas - Melhoramento genético |
topic |
BLUP Análise de variância Modelos multiníveis (Estatísticas) Florestas - Melhoramento genético Genética Quantitativa |
dc.subject.cnpq.fl_str_mv |
Genética Quantitativa |
description |
As técnicas atualmente usadas para avaliação genética envolvem a predição de valores genéticos e a estimação de componentes de variância simultaneamente. O método amplamente utilizado, em todo o mundo, para predição de valores genéticos é a melhor predição linear não viesada (BLUP). A predição usando o BLUP assume que os componentes de variância são conhecidos. No entanto, na prática, esses valores não são conhecidos e devem ser estimados com precisão para obter o BLUP empírico. Atualmente, o método padrão para estimação de componentes de variância é o da máxima verossimilhança restrita (REML). Portanto, a avaliação genética consiste em usar essas metodologias juntas (procedimento REML/BLUP). Porém, quando a seleção genética é baseada em várias características, que podem ser geneticamente correlacionadas devido a genes pleiotrópicos e/ou desequilíbrio da fase gamética, pode ocorrer viés de seleção se essas características forem analisadas individualmente. Assim, o presente trabalho teve como objetivo avaliar a aplicabilidade e eficiência do BLUP multicaracterístico no melhoramento florestal. Os modelos multicaracterísticos empregados conduziram a melhores resultados que os tradicionais modelos univariados e de repetibilidade. Portanto, o BLUP multicaracterístico pode ser utilizado com vantagem no melhoramento florestal. Palavras-chave: BLUP. REML. Metodologia de modelos mistos. |
publishDate |
2020 |
dc.date.issued.fl_str_mv |
2020-02-28 |
dc.date.accessioned.fl_str_mv |
2022-03-11T13:19:03Z |
dc.date.available.fl_str_mv |
2022-03-11T13:19:03Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
ALVES, Rodrigo Silva. Optimization of forest tree breeding through multiple-trait mixed models. 2020. 49 f. Tese (Doutorado em Genética e Melhoramento) - Universidade Federal de Viçosa, Viçosa. 2020. |
dc.identifier.uri.fl_str_mv |
https://locus.ufv.br//handle/123456789/28745 |
identifier_str_mv |
ALVES, Rodrigo Silva. Optimization of forest tree breeding through multiple-trait mixed models. 2020. 49 f. Tese (Doutorado em Genética e Melhoramento) - Universidade Federal de Viçosa, Viçosa. 2020. |
url |
https://locus.ufv.br//handle/123456789/28745 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Viçosa |
publisher.none.fl_str_mv |
Universidade Federal de Viçosa |
dc.source.none.fl_str_mv |
reponame:LOCUS Repositório Institucional da UFV instname:Universidade Federal de Viçosa (UFV) instacron:UFV |
instname_str |
Universidade Federal de Viçosa (UFV) |
instacron_str |
UFV |
institution |
UFV |
reponame_str |
LOCUS Repositório Institucional da UFV |
collection |
LOCUS Repositório Institucional da UFV |
bitstream.url.fl_str_mv |
https://locus.ufv.br//bitstream/123456789/28745/1/texto%20completo.pdf https://locus.ufv.br//bitstream/123456789/28745/2/license.txt |
bitstream.checksum.fl_str_mv |
afd0e00bb61ca3d463ae4cc9ee5ffb57 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV) |
repository.mail.fl_str_mv |
fabiojreis@ufv.br |
_version_ |
1794528692123205632 |