Periódicos
URI permanente desta comunidadehttps://thoth.dti.ufv.br/handle/123456789/3352
Navegar
4 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 Herança da resistência do Híbrido de Timor UFV 443-03 à ferrugem-do-cafeeiro(Empresa Brasileira de Pesquisa Agropecuária - Embrapa, 2009-03) Capucho, Alexandre Sandri; Caixeta, Eveline Teixeira; Zambolim, Eunize Maciel; Zambolim, LaércioO objetivo deste trabalho foi caracterizar a herança da resistência do Híbrido de Timor UFV 443-03 à ferrugem-do-cafeeiro (Hemileia vastatrix). Para isso, a raça II e o patótipo 001 de ferrugem foram inoculados em 246 plantas da população F 2 , 115 plantas do retrocruzamento suscetível (RC S ) e 87 plantas do retrocruzamento resistente (RC R ), originadas do cruzamento entre o genótipo suscetível cv. Catuaí Amarelo IAC 64 e a fonte de resistência Híbrido de Timor UFV 443-03. Para ambos os inóculos, a cv. Catuaí Amarelo IAC 64 foi suscetível, enquanto o Híbrido de Timor UFV 443-03, a planta representante da geração F 1 e as plantas do RC R foram resistentes. As plantas F 2 , quando inoculadas com a raça II, apresentaram dois padrões de segregação signifi cativos: 15:1 e 61:3. A herança da resistência foi confi rmada pela inoculação das plantas do RC S , que segregaram na proporção de 3:1, padrão esperado para herança condicionada por dois genes. A hipótese de segregação 7:1 para três genes foi rejeitada. Resultados semelhantes foram obtidos para o patótipo 001. Dois genes dominantes e independentes conferem a resistência genética do Híbrido de Timor UFV 443-03 à raça II e ao patótipo 001 de H. vastatrix.Item Marcadores moleculares derivados de sequências expressas do genoma café potencialmente envolvidas na resistência à ferrugem(Empresa Brasileira de Pesquisa Agropecuária - Embrapa, 2011-08) Alvarenga, Samuel Mazzinghy; Caixeta, Eveline Teixeira; Hufnagel, Bárbara; Thiebaut, Flávia; Maciel‑Zambolim, Eunize; Zambolim, Laércio; Sakiyama, Ney SussumuO objetivo deste trabalho foi identificar marcadores moleculares relacionados à resistência do cafeeiro (Coffea arabica) à ferrugem (Hemileia vastatrix). Foram identificadas sequências de DNA potencialmente envolvidas na resistência do cafeeiro a doenças, por meio de análise “in silico”, a partir das informações geradas pelo Projeto Brasileiro do Genoma Café. A partir das sequências mineradas, foram desenhados 59 pares de iniciadores para amplificá‐las. Os 59 iniciadores foram testados em 12 cafeeiros resistentes e 12 susceptíveis a H. vastatrix. Vinte e sete iniciadores resultaram em bandas únicas e bem definidas, enquanto um deles amplificou fragmento de DNA em todos os cafeeiros resistentes, mas não nos suscetíveis. Esse marcador molecular polimórfico amplificou uma região do DNA que corresponde a uma janela aberta de leitura parcial do genoma de C. arabica que codifica uma proteína de resistência a doenças. O marcador CARF 005 é capaz de diferenciar os cafeeiros analisados em resistentes e susceptíveis a H. vastatrix.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.