Navegando por Autor "Nascimento, Moysés"

Agora exibindo 1 - 12 de 12

Adaptabilidade e estabilidade via regressão não paramétrica em genótipos de café
(Empresa Brasileira de Pesquisa Agropecuária - Embrapa, 2010-01) Nascimento, Moysés; Ferreira, Adésio; Ferrão, Romário Gava; Campana, Ana Carolina Mota; Bhering, Leonardo Lopes; Cruz, Cosme Damião; Ferrão, Maria Amélia Gava; Fonseca, Aymbiré Francisco Almeida da
O objetivo deste trabalho foi avaliar uma metodologia de análise de adaptabilidade e estabilidade fenotípica de genótipos de café baseada em regressão não paramétrica. A técnica utilizada difere das demais, pois reduz a infl uência na estimação do parâmetro de adaptabilidade de algum ponto extremo, ocasionado pela presença de genótipos com respostas demasiadamente diferenciadas a determinado ambiente. Foram utilizados dados provenientes de um experimento sobre produtividade média de grãos de 40 genótipos de café (Coffea canephora), com delineamento em blocos ao acaso, com seis repetições. Os genótipos foram avaliados em cinco anos (1996, 1998, 1999, 2000 e 2001), em dois locais (Sooretama e Marilândia, ES) no total de dez ambientes. A metodologia proposta demonstrou ser adequada e efi ciente, pois extingue os efeitos impróprios induzidos pela presença de pontos extremos e evita a recomendação incorreta de genótipos quanto à adaptabilidade.
Análise de fatores aplicada em estudos de seleção genômica no melhoramento de Coffea canephora
(Universidade Federal de Viçosa, 2020-02-20) Paixão, Pedro Thiago Medeiros; Nascimento, Ana Carolina Campana; Nascimento, Moysés; Azevedo, Camila Ferreira
O Brasil se destaca em âmbito mundial na produção de café. Os incrementos observados em sua produtividade é resultado do aprimoramento de diversas metodologias. Dentre elas, destacam-se os métodos preditivos de valor genético. Estes contribuem significativamente na seleção de genótipos superiores, de forma a aumentar o ganho genético por unidade de tempo. Neste contexto, a seleção genômica ampla (GWS) é uma ferramenta que se destaca, uma vez que permite predizer o fenótipo futuro de um indivíduo baseado apenas em informações de marcadores moleculares. Realizar a seleção de maneira simultânea para várias características é o interesse da maioria dos programas de melhoramento, e a análise de fatores (AF) tem sido utilizada para auxiliar neste fim. A utilização de fatores se justifica devido a existência de correlações genéticas entre as características, as quais podem ser atribuídas aos QTL que têm efeitos pleiotrópicos ou aos QTL estreitamente ligados. Dessa forma, o objetivo deste trabalho foi de avaliar o uso da AF no contexto de GWS, em genótipos de Coffea canephora. Os resultados obtidos da seleção baseada nos fatores foram comparados, por meio da capacidade preditiva, acurácia e do coeficiente de Cohen’s Kappa, com aqueles advindos da análise das variáveis individuais. Para isso, foram utilizados dados fenotípicos e genotípicos de populações compostas por clones dos grupos varietais Conilon e Robusta e por híbridos originados de cruzamentos entre estes grupos, avaliados durante três anos consecutivos (2014 a 2016), e uma densidade de 18111 marcadores SNPs identificados. A partir dos resultados observados, verificou-se que a AF foi eficiente para elucidar as relações entre as características e originar novas variáveis. Os fatores formados são interessantes em termos de seleção, pois além de permitirem interpretações conjuntas, apresentam boas estimativas de capacidade preditiva, herdabilidade e acurácia. Ademais observou-se alta concordância entre os indivíduos selecionados com base nos fatores e aqueles selecionados considerando as variáveis individuais. Entretanto, cabe destacar que, a seleção baseada nos fatores conseguiu selecionar indivíduos de porte mais adequado. Palavras-chave: Predição Genômica. Análise Multivariada. Melhoramento Genético.
Artificial neural networks compared with Bayesian generalized linear regression for leaf rust resistance prediction in Arabica coffee
(Empresa Brasileira de Pesquisa Agropecuária - Embrapa, 2017-03) Silva, Gabi Nunes; Nascimento, Moysés; Sant’Anna, Isabela de Castro; Cruz, Cosme Damião; Caixeta, Eveline Teixeira; Carneiro, Pedro Crescêncio Souza; Rosado, Renato Domiciano Silva; Pestana, Kátia Nogueira; Almeida, Dênia Pires de; Oliveira, Marciane da Silva
The objective of this work was to evaluate the use of artificial neural networks in comparison with Bayesian generalized linear regression to predict leaf rust resistance in Arabica coffee (Coffea arabica). This study used 245 individuals of a F 2 population derived from the self-fertilization of the F 1 H511-1 hybrid, resulting from a crossing between the susceptible cultivar Catuaí Amarelo IAC 64 (UFV 2148-57) and the resistant parent Híbrido de Timor (UFV 443-03). The 245 individuals were genotyped with 137 markers. Artificial neural networks and Bayesian generalized linear regression analyses were performed. The artificial neural networks were able to identify four important markers belonging to linkage groups that have been recently mapped, while the Bayesian generalized model identified only two markers belonging to these groups. Lower prediction error rates (1.60%) were observed for predicting leaf rust resistance in Arabica coffee when artificial neural networks were used instead of Bayesian generalized linear regression (2.4%). The results showed that artificial neural networks are a promising approach for predicting leaf rust resistance in Arabica coffee.
Computational intelligence and statistical learning applied to Coffea canephora
(Universidade Federal de Viçosa, 2022-05-02) Sousa, Ithalo Coelho de; Nascimento, Moysés; Sant’anna, Isabela de Castro; Cruz, Cosme Damião; Azevedo, Camila Ferreira; Nascimento, Ana Carolina Campana
Genomic prediction in Coffee breeding has shown good potential in predictive ability (PA), genetic gains and reduction of the selection cycle time. Many methodologies are used to predict the genetic merit, but some of them require priori assumptions that may increase the complexity of the model. Artificial neural network (ANN) has advantage to not require priori assumptions about the relationships between inputs and the output allowing great flexibility to handle different types of complex non-additive effects, such as dominance and epistasis. Despite this advantage, the biological interpretability of ANNs is still limited. In the elaboration of this research project, two basic questions were formulated. The first question, is it possible to estimate genetic parameters using ANNs? The second, is it possible to reduce the panel marker size with no penalty in predictive ability? For this, the analyzes were divided into two articles. In the first article, the aim was to estimate the heritability and markers effects for two traits in Coffea canephora using an additive-dominance architecture ANN and to compare it with genomic best linear unbiased prediction (GBLUP). In the second article, the aim was to evaluate the trade-off between density marker panels size and the PA for eight agronomic traits in Coffea canephora using machine learning (bagging and random forest) algorithms and comparing them with BLASSO (Bayesian Least Absolute Shrinkage and Selection Operator) method. For both article, the data set consisted of 165 genotypes of Coffea canephora genotyped for 14,387 snp markers, after quality control analysis. For the first article the phenotypic data used was rust (Rus) and yield (Y). For the second article the phenotypic data is composed by vegetative vigor (Vig), rust (Rus) and cercosporiose incidence (Cer), fruit maturation time (Mat), fruit size (FS), plant height (PH), diameter of the canopy projection (DC) and yield (Y). In the first article we reduced the dimensionality of the data using bagging decision tree and then run 64,000 neural networks for each trait selecting the best architecture based on predictive ability for estimating the heritability, obtained results compatibles with those in literature. In the second article, 12 different density market panels were used to evaluate the effect of dimensionality reduction in PA. The common trend observed in the analysis shows an increase of the PA as the number of markers decreases, having a peak in most of the cases when used between 500 and 1,000 markers. In general, the worst results were obtained when used the full SNP panel density. The results of the second article indicate that the reduction of the number of markers can improve the selection of individuals at a lower cost. Computational Intelligence methods prove to be powerful tools for predicting genetic values, to estimate genetic parameters and to select markers. Keywords: GBLUP. BLASSO. BAGGING. Random forest. GEBV. Marker effect. Heritability.
Effect of the impact of rigid rods on coffee fruit detachment efficiency by mechanical vibrations
(Editora UFLA, 2020) Gomes, Ely Queiroz; Santos, Fabio Lúcio; Nascimento, Moysés; Velloso, Nara Silveira
The mechanization of field activities has been the response of coffee producers to the labor shortage, especially for fruit harvesting. The use of mechanical harvesters allows greater harvesting efficiency and ensures the economic viability of coffee plantations, which currently depend mainly on the reduction in production costs. The principle used for mechanized coffee harvesting is based on the principle of mechanical vibration. The objective of this study was to analyze the dynamic behavior of the coffee fruit-peduncle-branch system under mechanical vibration and the impact of the vibrating rods on the fruit detachment process in association with this behavior. Fragments of coffee branches containing fruits in the unripe and ripe stages were used in this experiment. These samples were subjected to different frequencies (20, 30, 40, and 50 Hz) and amplitudes (0.002, 0.003, and 0.004 m). Another variable analyzed was the form of vibration transmission to the fruits, with the vibrations being transmitted to the samples with or without the impact of the fiberglass rods. The fruit detachment efficiency increased as the ripening stage progressed from unripe to ripe. A higher detachment efficiency occurred with the increase in vibration frequency and amplitude because of the higher vibrational energy imposed on the fruit. The detachment efficiency was low when the vibration was transmitted without the impact of the rods. Conversely, the vibration in combination with impact achieved a mean detachment efficiency of approximately 90%.
Estudo de associação genômica ampla (GWAS) em Coffea arabica
(Universidade Federal de Viçosa, 2019-08-09) Silva, Ruane Alice da; Caixeta, Eveline Teixeira; Sousa, Tiago Vieira; Nascimento, Moysés
Estudos de associação genômica ampla (GWAS) têm sido utilizados mundialmente para várias espécies de importância econômica. A metodologia possibilita inferir sobre as relações entre variações genéticas e características fenotípicas, em nível populacional, detectando efeitos significativos por meio de testes de hipóteses. O GWAS demonstra grande relevância nos programas de melhoramento, sobretudo de espécies perenes, tendo como principal objetivo identificar regiões cromossômicas e genes candidatos para o controle genético de determinada característica. No entanto, em Coffea arabica, espécie de maior importância econômica do gênero Coffea, existem poucos estudos publicados utilizando essa metodologia. Assim, objetivou-se a identificação de regiões cromossômicas que apresentam associações significativas entre marcadores e características fenotípicas de importância para a espécie C. arabica, por meio de GWAS e selecionar SNP associados para serem utilizados em seleções assistidas por marcadores moleculares. A população de trabalho foi composta por 195 indivíduos de C. arabica, pertencentes à 13 famílias em gerações F 2 , retrocruzamentos suscetíveis e retrocruzamentos resistentes à ferrugem do cafeeiro. As plantas foram fenotipadas para 18 características agronômicas durante três anos consecutivos (2014, 2015 e 2016) e genotipadas por 21.211 marcadores moleculares SNP distribuídos em todo o genoma. O GWAS possibilitou a identificação de 110 SNP com associações significativas (p<0,05) para as características: altura de plantas (AP), comprimento de ramos plagiotrópicos (CRP), número de nós vegetativos (NNV), diâmetro da copa (DCo), tamanho de fruto (TFr), incidência de cercosporiose (Cer) e incidência de ferrugem (Fer). Foram analisados os efeitos de cada marcador SNP associado com as características de interesse e, dessa forma, esses marcadores poderão ser usados, posteriormente, na seleções assistidas por marcadores moleculares (SAM). Esse foi o primeiro trabalho de GWAS para essas características agronômicas em C. arabica e apresentou resultados promissores para os programas de melhoramento da espécie, confirmando a eficiência da metodologia. Palavras-chave: Melhoramento do Cafeeiro. Marcadores SNP. Seleção Assistida por Marcadores.
Estudo de associação genômica ampla da resistência do germoplasma amphillo a Meloidogyne paranaensis
(Universidade Federal de Viçosa, 2022-09-06) Gonzales, Rafael Vago; Caixeta, Eveline Teixeira; Salgado, Sônia Maria de Lima; Nascimento, Moysés
O fitonematoide Meloidogyne paranaensis é uma das principais ameaças à cafeicultura. O desenvolvimento de cultivares de Coffea arabica resistentes a este patógeno é uma demanda urgente dos programas de melhoramento genético do cafeeiro. Progênies derivadas do germoplasma silvestre ‘Amphillo’ são consideradas potenciais fontes de resistência a M. paranaensis, porém, os mecanismos envolvidos nesta resistência ainda não foram elucidados. No presente trabalho, a resistência de diferentes progênies derivadas de Amphillo foi estudada e foram identificados marcadores moleculares associados a resistência. Por meio da Associação Genômica Ampla foram identificados marcadores SNP (Single Nucleotide Polymorphism) associados a genes potencialmente envolvidos no controle da resistência. Foram analisados 158 genótipos pertencentes a quatro progênies derivadas de cruzamentos entre germoplasma ‘Amphillo’ e linhagens da cultivar Catuaí Vermelho. Estes cafeeiros foram fenotipados para cinco caracteres relacionados à resistência, sendo eles as variáveis nota, número de ovos por grama de raiz, fator de reprodução e tipo de reação ao nematoide. Foram genotipados 7116 marcadores SNPs e após filtragens de qualidade foram selecionados 931 SNPs para condução do estudo de associação genômica ampla. Por meio do modelo linear misto foram identificados 12 SNPs com associações significativas com ao menos uma das variáveis avaliadas. Foram mapeados 18 genes sendo considerados aqueles nos quais os SNPs estão inseridos e os genes imediatamente mais próximos nos sentidos upstream e downstream. Os resultados obtidos fornecem subsídio para o desenvolvimento de marcadores para seleção assistida, para estudos sobre a herança genética e para elucidação de mecanismos moleculares envolvidos na resistência de C. arabica a M. paranaensis. Palavras-chave: Fitonematóide. Arquitetura Genética. Meloidogyne paranaensis.
Genomic prediction of leaf rust resistance to Arabica coffee using machine learning algorithms
(Escola Superior de Agricultura "Luiz de Queiroz", 2021) Sousa, Ithalo Coelho de; Nascimento, Moysés; Silva, Gabi Nunes; Nascimento, Ana Carolina Campana; Cruz, Cosme Damião; Silva, Fabyano Fonseca e; Almeida, Dênia Pires de; Pestana, Kátia Nogueira; Azevedo, Camila Ferreira; Zambolim, Laércio; Caixeta, Eveline Teixeira
Genomic selection (GS) emphasizes the simultaneous prediction of the genetic effects of thousands of scattered markers over the genome. Several statistical methodologies have been used in GS for the prediction of genetic merit. In general, such methodologies require certain assumptions about the data, such as the normality of the distribution of phenotypic values. To circumvent the non-normality of phenotypic values, the literature suggests the use of Bayesian Generalized Linear Regression (GBLASSO). Another alternative is the models based on machine learning, represented by methodologies such as Artificial Neural Networks (ANN), Decision Trees (DT) and related possible refinements such as Bagging, Random Forest and Boosting. This study aimed to use DT and its refinements for predicting resistance to orange rust in Arabica coffee. Additionally, DT and its refinements were used to identify the importance of markers related to the characteristic of interest. The results were compared with those from GBLASSO and ANN. Data on coffee rust resistance of 245 Arabica coffee plants genotyped for 137 markers were used. The DT refinements presented equal or inferior values of Apparent Error Rate compared to those obtained by DT, GBLASSO, and ANN. Moreover, DT refinements were able to identify important markers for the characteristic of interest. Out of 14 of the most important markers analyzed in each methodology, 9.3 markers on average were in regions of quantitative trait loci (QTLs) related to resistance to disease listed in the literature.
Painéis de marcadores de baixa densidade para a predição genômica de Coffea arábica L.
(Universidade Federal de Viçosa, 2021-07-22) Arcanjo, Edilaine Silva; Nascimento, Ana Carolina Campana; Azevedo, Camila Ferreira; Nascimento, Moysés
Os processos de melhoramento genético são primordiais para o desenvolvimento de novas cultivares. Em decorrência da importância da cafeicultura brasileira, esse setor tem sofrido transformações através das pesquisas em programas de melhoramento. Os progressos do Coffea arábica atingidos pelo melhoramento genético têm propiciado a aquisição e recomendação de inúmeras cultivares que possuem características que a elas foram adicionadas por essa técnica. Entretanto, um dos maiores impasses do melhoramento genético vegetal é que para a obtenção de uma nova cultivar, o processo é muitas vezes lento e demorado. Dessa forma, o uso da biotecnologia, com a utilização dos marcadores moleculares, apresentou-se como uma alternativa para amenizar esse problema. Neste contexto, foi proposto a seleção genômica ampla (Genome Wide Selection-GWS), que parte do pressuposto que todos os segmentos do genoma colaboram para a variação genética e cada segmento está em alto desequilíbrio de ligação (LD) com no mínimo um marcador genético conhecido. A GWS fundamenta-se nos marcadores moleculares do tipo SNP (Single Nucleotide Polymorphism), que são abundantemente distribuídos ao longo do DNA. Com o advento dos SNPs, os valores genéticos genômicos estimados (GEBVs) puderam ser calculados através dos efeitos desses marcadores. Desse modo, os SNPs têm proporcionado a melhor cobertura do genoma; no entanto, normalmente a execução da seleção genômica requer uma grande genotipagem populacional para os indivíduos de treinamento e os candidatos à seleção, o que pode ocasionar em um aumento do custo total do programa de melhoramento. Assim, este trabalho teve por objetivo avaliar a viabilidade do uso de painéis de marcadores de baixa densidade na predição do GEBV de características economicamente importantes de C. arábica, com a finalidade de reduzir os custos de genotipagem a partir da utilização de chips customizados. Os resultados obtidos neste estudo demonstraram que o uso desses painéis na GWS pode ser uma ferramenta útil para o melhoramento dessa espécie, uma vez que modelos baseados nestes painéis apresentaram boas estimativas de capacidades preditivas e substanciais valores de concordância em termos de seleção quando comparados à modelos de maior densidade de marcadores. Palavras-chave: Melhoramento Genético. Café. Seleção Genômica. G-BLUP.
Predição genômica da resistência à ferrugem alaranjada em café arábica via algoritmos de aprendizagem de máquina
(Universidade Federal de Viçosa, 2018-02-26) Sousa, Ithalo Coelho de; Nascimento, Moysés
A seleção genômica (SG) foi proposta como uma forma de aumentar a eficiência e acelerar o melhoramento genético. A SG enfatiza a predição simultânea dos efeitos genéticos de milhares de marcadores dispersos em todo o genoma de um organismo. Algumas metodologias estatísticas têm sido utilizadas em SG para a predição do mérito genético, como por exemplo a Ridge Regression Best Linear Unbiased Prediction (RR- BLUP), Bayesian Lasso (BLASSO). Porém tais metodologias exigem algumas pressuposições a respeito dos dados tais como normalidade da distribuição dos valores fenotípicos. Além disto, a presença de fatores complicadores tais como epistasia e dominância atrapalham a utilização destes modelos, uma vez que exigem que tais efeitos sejam estabelecidos à priori pelo pesquisador. Visando contornar a não normalidade dos valores fenotípicos a literatura sugere o uso dos modelos lineares generalizados sob o enfoque bayesiano (BGLR). Outra alternativa são os modelos baseados em aprendizagem de máquina (AM), representados por metodologias tais como Redes Neurais (RNA), Árvores de Decisão (AD) e seus possíveis refinamentos (Bagging, Random Forest e Boosting) as quais podem incorporar a epistasia e a dominância no modelo além de não exigirem pressuposições quanto ao modelo e a distribuição dos valores fenotípicos. Diante disso, o objetivo deste trabalho foi utilizar AD e seus refinamentos Bagging, Random Forest e Boosting para predição da resistência a ferrugem alaranjada no café arábica. Além disso, AD e seus refinamentos foram utilizadas para identificar a importância dos marcadores relacionados a característica de interesse. Os resultados foram comparados com aqueles provenientes do GBLASSO (Lasso Bayesiano Generalizado) e RNA. Foram utilizados dados da resistência a ferrugem do café de 245 plantas derivadas do cruzamento do Híbrido de Timor e do Catuaí Amarelo, genotipados para 137 marcadores. A AD e seus refinamentos obtiveram resultados satisfatórios, visto que apresentaram valores iguais ou inferiores de Taxa de Erro Aparente comparados com aqueles obtidos pelo GBLASSO e RNA. Ademais, os refinamentos da AD demonstraram ser capazes de identificar marcadores importantes para característica de interesse, visto que dentre os 10 marcadores mais importantes analisados em cada metodologia, 3-4 viimarcadores estavam próximos a QTL’s relacionados a resistência a doença listados na literatura. Por fim, a AD e seus refinamentos mostraram um melhor desempenho em relação ao GBLASSO e a RNA quanto ao custo computacional.
Structural equation models for genome-wide association study in Coffea arabica
(Universidade Federal de Viçosa, 2021-07-27) Suela, Matheus Massariol; Nascimento, Moysés; Azevedo, Camila Ferreira; Moura, Eveline Teixeira Caixeta; Morota, Gota
Coffee breeding techniques were based on classical techniques for a long time, however, with the advent of genomic techniques and precision phenotyping, breeding programs have been showing best and faster results, even with the programs becoming more complex, in terms of quantities and types of characteristics studied. Thus, the existence of interrelationships between characters can generate important impacts in a breeding program, such as the discovery of genomic regions that contribute to certain characteristics, these can act directly, or indirectly. Knowing this, understanding the direct and indirect effects that one character has on another is of great importance for the selection phase. Traditionally, multivariate techniques are applied, but phenotypic interrelationships are neglected. Thus, the use of the Bayesian Network (BN) in conjunction with the Structured Equation Model (SEM) under the focus of the genomic wide association study (GWAS), allows quantifying genetic parameters, partitioning such values into direct and indirect effects for the traits. present in the formed network. In order to explore these interrelationships, they were able to phenotypes related to morphological (fruit size and number of reproductive nodes), physiological (vegetative vigor) and productive (production) characteristics in 195 Coffea arabica genotypes from a partnership between Empresa de Pesquisa Agropecuária de Minas Gerais (EPAMIG), Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA) and Federal University of Viçosa (UFV). The phenotypic network inferred by means of the Hill Climbing algorithm was used to estimate the appropriate coefficients. By performing an integration between multivariate models - GWAS and SEM- GWAS it was possible to identify a positive interrelationship between vegetative vigor in yield and vegetative vigor for the number of reproductive nodes and negative for the number of reproductive nodes and fruit size for yield. It was also possible to detect significant genomic regions, and thus identify three genes that act directly on yield. Keywords: Coffea arabica. Bayesian Network. Structural Equation Models. GWAS.
Trait selection using procrustes analysis for the study of genetic diversity in Conilon coffee
(Editora da Universidade Estadual de Maringá - EDUEM, 2020) Pontes, Daiana Salles; Rosado, Renato Domiciano Silva; Cruz, Cosme Damião; Nascimento, Moysés; Oliveira, Ana Maria Cruz; Pensky, Scott Michael
Trait selection is occasionally necessary to save money and time, as well as accelerate breeding program processes. This study aimed to propose two criteria to select traits based on a Procrustes analysis that are poorly explored in genetic breeding: Criterion 1 (backward algorithm) and Criterion 2 (exhaustive algorithm). Then, these two criteria were further compared with Jolliffe’s criterion, which has often been used to select traits in genetic diversity studies. Sixteen agronomic traits were considered, and 40 Conilon coffee (Coffea canephora) accessions were evaluated. This study showed that the flexibility in selecting traits by researcher preference, graphical visualization, and Procrustes statistic through criteria 1 and 2 is a fast and reliable alternative for decision-making. These decisions are based on the removal and addition of traits for phenotyping in studies of Conilon coffee diversity that can be applied to other crops. Other relevant aspects of selection traits criteria were also discussed.