Predição fenômica: uma avaliação de modelos preditivos no melhoramento genético do eucalipto
| Ano de defesa: | 2025 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Tese |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Universidade Federal de Viçosa
Estatística Aplicada e Biometria |
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | https://locus.ufv.br/handle/123456789/34903 https://doi.org/10.47328/ufvbbt.2025.654 |
Resumo: | O eucalipto ocupa uma posição de destaque na economia brasileira devido, principalmente, às diversas possibilidades de uso de sua madeira, como na produção de celulose, papel, carvão vegetal e geração de energia. Esse estudo teve como objetivo avaliar o desempenho da predição genômica (que se baseia em informações de marcadores moleculares SNPs) e da predição fenômica (Near Infrared Reflectance Spectroscopy – NIRS) em diferentes cenários, para características físicas e químicas da madeira de uma população híbrida (Eucalyptus urophylla x Eucalyptus grandis). Foram genotipados 339 indivíduos para 33.398 marcadores SNPs distribuídos por todo o genoma e rastreados por NIRS com 700 comprimentos de onda. As duas abordagens de predição foram realizadas utilizando os métodos estatísticos: Genomic Best Linear Unbiased Prediction (G-BLUP), Bayesian Ridge Regression (BRR), Bayes B e Bayesian Reproducing Kernel Hilbert Space (B-RKHS). Para avaliar o desempenho dos métodos, foi realizada a validação cruzada 10-fold, visando calcular a média e o desvio padrão da capacidade preditiva e do coeficiente de regressão. A Seleção Fenômica (NIRS) apresentou menor precisão de predição para a maioria das características avaliadas, mas exibiu resultados semelhantes aos obtidos por meio do G-BLUP no cenário em que o número de comprimentos de onda é igual ao número de SNPs. Isso sugere que a predição fenômica (NIRS) pode ser uma alternativa à predição genômica no melhoramento do eucalipto. Palavras-chave: BLUP; seleção genômica; melhoramento de plantas; SNP; NIRS |
| id |
UFV_27bdaf05b51378cc46a34fdc8fef6c41 |
|---|---|
| oai_identifier_str |
oai:locus.ufv.br:123456789/34903 |
| network_acronym_str |
UFV |
| network_name_str |
LOCUS Repositório Institucional da UFV |
| repository_id_str |
|
| spelling |
Predição fenômica: uma avaliação de modelos preditivos no melhoramento genético do eucaliptoGenomic prediction: an evaluation of predictive models in eucalyptus genetic improvementTeoria da previsãoCorrelação fenotípica - Métodos estatísticosEucalipto - Melhoramento genético - Métodos estatísticosMapeamento cromossômico - Métodos estatísticosEstatística Aplicada e BiometriaO eucalipto ocupa uma posição de destaque na economia brasileira devido, principalmente, às diversas possibilidades de uso de sua madeira, como na produção de celulose, papel, carvão vegetal e geração de energia. Esse estudo teve como objetivo avaliar o desempenho da predição genômica (que se baseia em informações de marcadores moleculares SNPs) e da predição fenômica (Near Infrared Reflectance Spectroscopy – NIRS) em diferentes cenários, para características físicas e químicas da madeira de uma população híbrida (Eucalyptus urophylla x Eucalyptus grandis). Foram genotipados 339 indivíduos para 33.398 marcadores SNPs distribuídos por todo o genoma e rastreados por NIRS com 700 comprimentos de onda. As duas abordagens de predição foram realizadas utilizando os métodos estatísticos: Genomic Best Linear Unbiased Prediction (G-BLUP), Bayesian Ridge Regression (BRR), Bayes B e Bayesian Reproducing Kernel Hilbert Space (B-RKHS). Para avaliar o desempenho dos métodos, foi realizada a validação cruzada 10-fold, visando calcular a média e o desvio padrão da capacidade preditiva e do coeficiente de regressão. A Seleção Fenômica (NIRS) apresentou menor precisão de predição para a maioria das características avaliadas, mas exibiu resultados semelhantes aos obtidos por meio do G-BLUP no cenário em que o número de comprimentos de onda é igual ao número de SNPs. Isso sugere que a predição fenômica (NIRS) pode ser uma alternativa à predição genômica no melhoramento do eucalipto. Palavras-chave: BLUP; seleção genômica; melhoramento de plantas; SNP; NIRSEucalyptus occupies a prominent position in the Brazilian economy primarily due to the various possibilities for using its wood, such as in the production of cellulose, paper, charcoal, and energy generation. This study aimed to evaluate the performance of genomic prediction (which is based on information from SNPs molecular markers) and phenomic prediction (Near Infrared Spectroscopy – NIRS) in different scenarios for the physical and chemical characteristics of wood from a hybrid population (Eucalyptus urophylla x Eucalyptus grandis). A total of 339 individuals were genotyped for 33,398 SNP markers distributed across the entire genome and assessed by NIRS with 700 wavelengths. The two prediction approaches were executed using the following statistical methods: Genomic Best Linear Unbiased Prediction (G-BLUP), Bayesian Ridge Regression (BRR), Bayes B and Bayesian Reproucing Kernel Hilbert Space (B-RKHS). To evaluate the performance of the methods, 10-fold-cross-validation was performed to calculate the mean and standard deviation of predictive ability and the regression coefficient. Phenomic Selection (NIRS) demonstrated lower predictive accuracy for most of the evaluated traits but displayed results similar to those obtained via G-BLUP in the scenario where the number of wavelengths equaled the number of SNPs. This suggests that phenomic prediction (NIRS) may be a viable alternative to genomic prediction in the eucalyptus breeding. Keywords: BLUP; genomic selection; plant breeding; SNP; NIRSCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Fundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG)Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)Universidade Federal de ViçosaEstatística Aplicada e BiometriaResende, Marcos Deon Vilela dehttp://lattes.cnpq.br/0513010608168896Azevedo, Camila FerreiraMiranda, Taiana Lopes Rangel2025-11-26T13:34:28Z2025-07-10info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfMIRANDA, Taiana Lopes Rangel. Predição fenômica: uma avaliação de modelos preditivos no melhoramento genético do eucalipto. 2025. 45 f. Tese (Doutorado em Estatística Aplicada e Biometria) - Universidade Federal de Viçosa, Viçosa. 2025.https://locus.ufv.br/handle/123456789/34903https://doi.org/10.47328/ufvbbt.2025.654porinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFV2025-11-27T06:02:36Zoai:locus.ufv.br:123456789/34903Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452025-11-27T06:02:36LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false |
| dc.title.none.fl_str_mv |
Predição fenômica: uma avaliação de modelos preditivos no melhoramento genético do eucalipto Genomic prediction: an evaluation of predictive models in eucalyptus genetic improvement |
| title |
Predição fenômica: uma avaliação de modelos preditivos no melhoramento genético do eucalipto |
| spellingShingle |
Predição fenômica: uma avaliação de modelos preditivos no melhoramento genético do eucalipto Miranda, Taiana Lopes Rangel Teoria da previsão Correlação fenotípica - Métodos estatísticos Eucalipto - Melhoramento genético - Métodos estatísticos Mapeamento cromossômico - Métodos estatísticos Estatística Aplicada e Biometria |
| title_short |
Predição fenômica: uma avaliação de modelos preditivos no melhoramento genético do eucalipto |
| title_full |
Predição fenômica: uma avaliação de modelos preditivos no melhoramento genético do eucalipto |
| title_fullStr |
Predição fenômica: uma avaliação de modelos preditivos no melhoramento genético do eucalipto |
| title_full_unstemmed |
Predição fenômica: uma avaliação de modelos preditivos no melhoramento genético do eucalipto |
| title_sort |
Predição fenômica: uma avaliação de modelos preditivos no melhoramento genético do eucalipto |
| author |
Miranda, Taiana Lopes Rangel |
| author_facet |
Miranda, Taiana Lopes Rangel |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Resende, Marcos Deon Vilela de http://lattes.cnpq.br/0513010608168896 Azevedo, Camila Ferreira |
| dc.contributor.author.fl_str_mv |
Miranda, Taiana Lopes Rangel |
| dc.subject.por.fl_str_mv |
Teoria da previsão Correlação fenotípica - Métodos estatísticos Eucalipto - Melhoramento genético - Métodos estatísticos Mapeamento cromossômico - Métodos estatísticos Estatística Aplicada e Biometria |
| topic |
Teoria da previsão Correlação fenotípica - Métodos estatísticos Eucalipto - Melhoramento genético - Métodos estatísticos Mapeamento cromossômico - Métodos estatísticos Estatística Aplicada e Biometria |
| description |
O eucalipto ocupa uma posição de destaque na economia brasileira devido, principalmente, às diversas possibilidades de uso de sua madeira, como na produção de celulose, papel, carvão vegetal e geração de energia. Esse estudo teve como objetivo avaliar o desempenho da predição genômica (que se baseia em informações de marcadores moleculares SNPs) e da predição fenômica (Near Infrared Reflectance Spectroscopy – NIRS) em diferentes cenários, para características físicas e químicas da madeira de uma população híbrida (Eucalyptus urophylla x Eucalyptus grandis). Foram genotipados 339 indivíduos para 33.398 marcadores SNPs distribuídos por todo o genoma e rastreados por NIRS com 700 comprimentos de onda. As duas abordagens de predição foram realizadas utilizando os métodos estatísticos: Genomic Best Linear Unbiased Prediction (G-BLUP), Bayesian Ridge Regression (BRR), Bayes B e Bayesian Reproducing Kernel Hilbert Space (B-RKHS). Para avaliar o desempenho dos métodos, foi realizada a validação cruzada 10-fold, visando calcular a média e o desvio padrão da capacidade preditiva e do coeficiente de regressão. A Seleção Fenômica (NIRS) apresentou menor precisão de predição para a maioria das características avaliadas, mas exibiu resultados semelhantes aos obtidos por meio do G-BLUP no cenário em que o número de comprimentos de onda é igual ao número de SNPs. Isso sugere que a predição fenômica (NIRS) pode ser uma alternativa à predição genômica no melhoramento do eucalipto. Palavras-chave: BLUP; seleção genômica; melhoramento de plantas; SNP; NIRS |
| publishDate |
2025 |
| dc.date.none.fl_str_mv |
2025-11-26T13:34:28Z 2025-07-10 |
| 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.uri.fl_str_mv |
MIRANDA, Taiana Lopes Rangel. Predição fenômica: uma avaliação de modelos preditivos no melhoramento genético do eucalipto. 2025. 45 f. Tese (Doutorado em Estatística Aplicada e Biometria) - Universidade Federal de Viçosa, Viçosa. 2025. https://locus.ufv.br/handle/123456789/34903 https://doi.org/10.47328/ufvbbt.2025.654 |
| identifier_str_mv |
MIRANDA, Taiana Lopes Rangel. Predição fenômica: uma avaliação de modelos preditivos no melhoramento genético do eucalipto. 2025. 45 f. Tese (Doutorado em Estatística Aplicada e Biometria) - Universidade Federal de Viçosa, Viçosa. 2025. |
| url |
https://locus.ufv.br/handle/123456789/34903 https://doi.org/10.47328/ufvbbt.2025.654 |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidade Federal de Viçosa Estatística Aplicada e Biometria |
| publisher.none.fl_str_mv |
Universidade Federal de Viçosa Estatística Aplicada e Biometria |
| 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 |
| repository.name.fl_str_mv |
LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV) |
| repository.mail.fl_str_mv |
fabiojreis@ufv.br |
| _version_ |
1855045551464120320 |