Biblioteca do Café
URI permanente desta comunidadehttps://thoth.dti.ufv.br/handle/123456789/1
Navegar
3 resultados
Resultados da Pesquisa
Item 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 TeixeiraGenomic 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.Item 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 SilvaThe 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.Item Desenvolvimento e utilização de marcadores moleculares para seleção de cafeeiros resistentes a ferrugem(Universidade Federal de Viçosa, 2015-07-28) Almeida, Dênia Pires de; Caixeta, Eveline TeixeiraA ferrugem alaranjada causada pelo fungo biotrófico Hemileia vastatrix Berk. et Br. é considerada em todo o mundo uma séria doença do cafeeiro que tem causado vários prejuízos para a cafeicultura. O uso de fungicidas é o método mais empregado para o controle da doença, porém sua aplicação deve ser feita de forma racional, para não inviabilizar a cultura e agredir o meio ambiente. Na busca por cultivares resistentes, já foram identificados nove genes dominantes de resistência a H.vastatrix presentes em cafeeiros de diferentes espécies. Uma potencial estratégia para introgredir esses genes de resistência no cafeeiro é o uso de marcadores moleculares. Logo, objetivou-se com esse trabalho, converter marcadores AFLPs ligados a locos de resistência do cafeeiro à raça I, II e ao patótipo 001 de H. vastatrix em marcador SCAR (Sequence Characterized Amplified Region) e avaliar a eficiência do uso desses marcadores e de um microssatélite previamente identificado na Seleção Assistida por Marcadores (SAM). Para isso, quatro combinações de primers AFLPs ligados à resistência do cafeeiro à raça I, II e ao patótipo 001 de H. vastatrix foram clonados e sequenciados. Os marcadores SCAR desenvolvidos foram denominados de SCAFs e, posteriormente, validados nos genitores resistente Híbrido de Timor UFV 443-03; genitor suscetível Catuaí Amarelo IAC 64 (UFV 2148-57) e em 247 indivíduos da população F 2 de mapeamento. Os dados foram codificados e analisados no programa GQMOL. Com as sequências dos SCARs foi feita uma busca local no banco de dados do genoma de referência de Coffea canephora utilizando a ferramenta BLAST, e-value de -27. A fim de identificar quais genes estão envolvidos nas regiões dos cromossomos onde os SCARs apresentaram maior similaridade, foi realizada uma busca local utilizando a ferramenta Gbrowse, e-value de -10. Para a realização da SAM foram genotipados o marcador SCAF2 validado e um marcador microssatélite SSR16 em indivíduos das populações F 3 e de retrocruzamentos suscetíveis . Na realização da fenotipagem dos 16 discos de folhas de 1,5 cm de diâmetro de cada planta dos genitores, da geração F 3 e dos retrocruzamentos foram inoculados com uredósporos da raça II. Após as inoculações, os discos foram colocados sobre uma tela de nylon e espuma, saturada com água e acondicionados no interior de um gerbox. Os gerbox contendo os discos de folhas, foram fechados e mantidos na ausência de luz durante 48 horas, a 22oC e, em seguida, transferidos para uma câmara sob condições controladas de temperatura de 22°C e 12 horas de luz. No momento em que os discos inoculados do genitor suscetível Catuaí Amarelo IAC 64 (UFV 2148-57) iniciou a esporulação, em torno dos 25 dias após a inoculação (dpi), foi iniciada a avaliação de resistência/suscetibilidade. Na validação dos marcadores SCARs apenas o marcador SCAF2 apresentou polimorfismo entre os cafeeiros resistentes e suscetíveis, se comportando como marcador dominante em repulsão. Os outros marcadores SCARs desenvolvidos não apresentaram polimorfismo entre os cafeeiros quando os fragmentos foram analisados em gel de agarose. Logo, somente o marcador SCAF2 foi validado mantendo o mesmo ordenamento no grupo de ligação 2 (GL2) do mapa genético de ligação, ficando ligado a 0 cM do AFLP que lhe deu origem. Na busca local no genoma de C. canephora encontrou-se maior similaridade dos marcadores SCAF1, SCAF2 com o cromossomo 0, chamado de ChrUn, e maior similaridade dos marcadores SCAF3 e SCAF4 com o cromossomo 10. Na identificação dos genes, os marcadores SCAF1 e SCAF2 pertencentes ao GL2 do mapa genético apresentaram similaridade com alguns genes que codificam proteínas relacionadas à resistência a patógenos. Na SAM, foi verificado que o uso dos marcadores moleculares permitiu selecionar indivíduos homozigotos dominantes para um dos locos e para os dois locos, sendo mais eficiente que a fenotipagem. Logo, com o desenvolvimento de marcadores SCAR e SSR16 intimamente ligados aos locos de resistência à ferrugem do cafeeiro e seu uso na SAM possibilitaram um avanço nos programas de melhoramento com a seleção precoce de indivíduos e também uma posterior clonagem posicional de genes ligados à resistência a essa doença.