Biblioteca do Café
URI permanente desta comunidadehttps://thoth.dti.ufv.br/handle/123456789/1
Navegar
3 resultados
Resultados da Pesquisa
Item Modelos lineares generalizados mistos e aplicações de redes neurais para estudo da diversidade genética em variedades de Coffea arabica(Universidade Federal de Viçosa, 2020-08-07) Assis, Mayumi Furuya de; Good God, Pedro Ivo Vieira; Lopes, Everaldo AntônioA predição de parâmetros genéticos e o estudo da diversidade em variedades de café são etapas importantes para a seleção eficiente de genótipos que apresentem características superiores e garantir a manutenção da variabilidade genética. Muitas variáveis importantes para o melhoramento do café não possuem distribuições normais, dificultando a obtenção de predições acuradas e informações a respeito da estrutura genética das populações. Os modelos lineares generalizados mistos (MLGM) foram propostos para modelar variáveis que tenham distribuições diferentes das normais, por meio da inserção de uma função de ligação ao modelo. Essas características tornam os MLGM potenciais ferramentas para predição de componentes de variância, parâmetros genéticos e obtenção de valores de BLUP. O estudo da diversidade genética do café é comumente feito por métodos multivariados convencionais. Entretanto, alguns estudos têm utilizado um tipo de redes neural, chamada Self-organizing maps (SOM). Portanto, os objetivos deste estudo foram comparar modelos lineares mistos (MLM) com os MLGM na estimação de parâmetros genéticos, rankeamento dos genótipos através dos valores de BLUP e investigar a aplicabilidade das redes neurais SOM para o estudo da diversidade genética em variedades de Coffea arabica. Os MLGM detectaram variabilidade genética em um maior número de variáveis avaliadas. As variâncias genéticas e residuais estimadas pelos MLGM foram menores, entretanto, as análises de resíduos indicaram que os MLGM obtiveram desvios menores entre os valores ajustados e esperados pelos modelos em relação aos MLM. As interpretações dos parâmetros genéticos estimados via MLGM é mais complexa devido às diferentes escalas do modelo. Portanto, os MLGM foram mais eficazes para os ajustes dos dados, mas são necessárias investigações a respeito da influência as diferentes escalas atribuídas aos componentes do modelo na estimação dos parâmetros genéticos. As análises de redes neurais ofereceram diferentes informações a respeito das variáveis avaliadas, permitiram a identificação de genótipos superiores para as variáveis analisadas e identificação de grupos genéticos similares e divergentes. Portanto, o método SOM é viável, informativo e refinado para o estudo da diversidade genética em populações de melhoramento. Palavras-chave: Melhoramento genético do café. Métodos estatísticos. Mapas auto-organizáveis de Kohonen. Modelos mistos.Item Modelos lineares generalizados mistos e aplicações de redes neurais para estudo da diversidade genética em variedades de Coffea arabica(Universidade Federal de Viçosa, 2020-08-07) Assis, Mayumi Furuya de; God, Pedro Ivo Vieira Good; Lopes, Everaldo AntônioA predição de parâmetros genéticos e o estudo da diversidade em variedades de café são etapas importantes para a seleção eficiente de genótipos que apresentem características superiores e garantir a manutenção da variabilidade genética. Muitas variáveis importantes para o melhoramento do café não possuem distribuições normais, dificultando a obtenção de predições acuradas e informações a respeito da estrutura genética das populações. Os modelos lineares generalizados mistos (MLGM) foram propostos para modelar variáveis que tenham distribuições diferentes das normais, por meio da inserção de uma função de ligação ao modelo. Essas características tornam os MLGM potenciais ferramentas para predição de componentes de variância, parâmetros genéticos e obtenção de valores de BLUP. O estudo da diversidade genética do café é comumente feito por métodos multivariados convencionais. Entretanto, alguns estudos têm utilizado um tipo de redes neural, chamada Self-organizing maps (SOM). Portanto, os objetivos deste estudo foram comparar modelos lineares mistos (MLM) com os MLGM na estimação de parâmetros genéticos, rankeamento dos genótipos através dos valores de BLUP e investigar a aplicabilidade das redes neurais SOM para o estudo da diversidade genética em variedades de Coffea arabica. Os MLGM detectaram variabilidade genética em um maior número de variáveis avaliadas. As variâncias genéticas e residuais estimadas pelos MLGM foram menores, entretanto, as análises de resíduos indicaram que os MLGM obtiveram desvios menores entre os valores ajustados e esperados pelos modelos em relação aos MLM. As interpretações dos parâmetros genéticos estimados via MLGM é mais complexa devido às diferentes escalas do modelo. Portanto, os MLGM foram mais eficazes para os ajustes dos dados, mas são necessárias investigações a respeito da influência as diferentes escalas atribuídas aos componentes do modelo na estimação dos parâmetros genéticos. As análises de redes neurais ofereceram diferentes informações a respeito das variáveis avaliadas, permitiram a identificação de genótipos superiores para as variáveis analisadas e identificação de grupos genéticos similares e divergentes. Portanto, o método SOM é viável, informativo e refinado para o estudo da diversidade genética em populações de melhoramento. Palavras-chave: Melhoramento genético do café. Métodos estatísticos. Mapas auto-organizáveis de Kohonen. Modelos mistos.Item Variabilidade genética em cultivares do ensaio nacional de Coffea arabica L.(Embrapa Café, 2015) Macedo, Camila Ronchi; Chaves, Camila Lucas; Góes, Bruna Delgado; Ruas, Eduardo Augusto; Bejatto, Nataiane Cristina; Lopes, Patrícia Juliana; Matias, Otavio Pollo; Rodrigues, Kaique Marques; Souza, Natalia Luiz de; Ruas, Claudete de Fátima; Sera, Tumoru; Sera, Gustavo Hiroshi; Ruas, Paulo MaurícioOs programas de pesquisa e melhoramento de Coffea arabica L. resultaram na obtenção de cultivares com expressivas produtividades e adaptadas às diversas regiões produtoras, classificando o Brasil como maior produtor e exportador no cenário mundial. Um dos grandes desafios para os programas de melhoramento genético é superar a produtividade das melhores cultivares. A avaliação da variabilidade genética é crucial para futuros planejamentos nesses programas. O objetivo desse trabalho foi verificar a variabilidade genética entre e dentro de cultivares do Ensaio Nacional de Café pela técnica de AFLP. Foi detectada uma variação na porcentagem de locos polimórficos de 23,90% a 69,47%, e a diversidade gênica de Nei (Hs) variou de 0, 064 a 0, 199. A média da distância genética de Huff variou de 7,61 ±3,1 a 13,46 ±4,7. AMOVA revelou uma variância de 79,04% dentro e 20,96% entre cultivares. O FST par-a-par evidenciou distâncias genéticas de 0,007 a 0,491 entre cultivares. A AMOVA entre cultivares lançados em diferentes épocas mostrou um aumento da variabilidade genética na década de 1990, com uma pequena redução a partir de 2000. E AMOVA entre diferentes centros de pesquisa mostrou uma variabilidade genética maior (93,93%) para as cultivares do IAPAR. O dendograma mostrou a existência de três grupos, sendo o mesmo confirmado pela coordenada principal e análise bayesiana. Todas essas análises mostram que as 32 cultivares apresenta diferenças da variabilidade genética tanto dentro como entre, sendo que esses dados poderão ser utilizados em futuros programas de melhoramento genético.