Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2018-02-27T12:55:35Z No. of bitstreams: 1 texto completo.pdf: 1014245 bytes, checksum: bc632c2f8df9dc848814b664d9b50984 (MD5) / Made available in DSpace on 2018-02-27T12:55:35Z (GMT). No. of bitstreams: 1 texto completo.pdf: 1014245 bytes, checksum: bc632c2f8df9dc848814b664d9b50984 (MD5) Previous issue date: 2018-02-02 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A principal contribuição da genética molecular no melhoramento é a utilização direta das informações de DNA no processo de identificação de indivíduos geneticamente superiores. Sob esse enfoque, idealizou-se a seleção genômica ampla (Genome Wide Selection – GWS), a qual consiste no uso de um grande número de marcadores SNPs (Single Nucleotide Polymorphisms) amplamente distribuídos no genoma para predizer o mérito genético de indivíduos. Diversas abordagens estatísticas foram propostas para a predição de valores genéticos permitindo estimar os efeitos dos marcadores com base apenas na média condicional da variável dependente. Uma metodologia ainda pouco explorada em GWS é a regressão quantilica (RQ). Diferentemente das outras metodologias, a RQ permite avaliar os fenótipos de interesse em diferentes níveis da distribuição. Desta forma, este trabalho tem como objetivo apresentar duas aplicações de GWS utilizando a RQ. Na primeira aplicação foi proposto e avaliado o uso da Regressão Quantílica Regularizada (RQR) para estimar os efeitos marcadores SNPs para curvas de crescimento em suínos. O modelo proposto permitiu a descoberta, em diferentes níveis de interesse (quantils), de marcadores relevantes para cada característica e suas respectivas posições cromossômicas. Além disso, RQR permitiu a construção de curvas de crescimento genômico, que identificaram indivíduos geneticamente superiores em relação à eficiência de crescimento. Na segunda aplicação utilizou-se a RQR para predizer valores genéticos de conjuntos de dados simulados com diferentes proporções de epistasia na variância genética e valores fenótipos com distribuições simétrica e assimétrica a direita. Neste trabalho verificou-se que a RQR teve, em geral, maiores acurácias do que as outras metodologias avaliadas quando a característica é de baixa herdabilidade. Além disso, quando tem-se 100% da variância genética como sendo epistática, a RQR foi, na maioria dos casos, melhor do que os métodos tradicionais. Desta forma, avaliando as duas aplicações apresentadas, tem-se que a RQR é uma alternativa interessante em estudos de GWS, uma vez que possibilita a descoberta do modelo que melhor representa a relação entre as variáveis dependentes (fenótipos) e independentes (efeitos dos marcadores) aumentando o desempenho preditivo do modelo. / The main contribution of molecular genetics in breeding is the direct use of DNA information in the process of identifying genetically superior individuals. Under this approach, Genome Wide Selection (GWS) was idealized and consists of the use of a large number of single nucleotide polymorphisms (SNPs) widely distributed in the genome to predict the genetic merit of individuals. Several statistical approaches have been proposed for the prediction of genetic values, however they allow estimating the effects of the markers based only on the conditional mean of the dependent variable. A methodology not yet explored in GWS is quantile regression (QR). Differently from the other methodologies, the QR allows to evaluate the phenotypes of interest in different levels of the distribution. In this way, this work aims to present two applications of GWS using QR. In the first application, the Regulated Quantile Regression (RQR) was proposed and evaluated to estimate the marker effects SNPs for growth curves in pigs. The proposed model allowed the discovery, in different levels of interest (quantiles), of more relevant markers for each trait and their respective chromosomal positions. In addition, RQR allowed the construction of genomic growth curves, which identified genetically superior individuals in relation to growth efficiency. In the second application, the RQR was used to predict genetic values of simulated datasets with different proportions of epistasis in genetic variance and phenotype values with symmetric and positive asymmetric distributions. In this work it was verified that the RQR had, in general, greater accuracies than the other methodologies evaluated when the trait is low heritability. Furthermore, when 100% of the genetic variance is epistatic, RQR was, in most cases, better than traditional methods. Thus, RQR is an interesting alternative in GWS studies, since RQR allows the discovery of the model that best represents the relationship between the dependent (phenotype) and independent (markers effects) increasing the predictive performance of the model.

Orientador: Sandra Aidar de Queiroz / Coorientador: Haroldo Henrique de Rezende Neves / Banca: Danisio Prado Munari / Banca: Lenira El Faro / Banca: Patrícia Tholon / Resumo: Características longitudinais são de grande importância para aprodução animal, no entanto, quando se trata de seleção genômica vários métodosestão sendo avaliados para características pontuais, como produção de leite emidades específicas ou produção total. Dessa forma, a aplicação destes métodos atrajetórias completas do fenótipo de interesse ao longo do tempo pode ser umaferramenta importante para a tomada de decisão do melhor momento para seleçãodos animais. No presente estudo foram utilizados dados de produção de leite,porcentagem de gordura, porcentagem de proteína e escore de células somáticas debovinos leiteiros da raça Holandesa em uma metodologia de dois estágios: i) osmodelos não lineares de Wood (1967), Cobby & Le Du (1978) e Wilmink (1987)foram ajustados aos dados de cada característica; ii) as estimativas de parâmetrosobtidas para as curvas individuais no modelo que proporcionou melhor ajuste aosdados (Wilmink) foram utilizadas como fenótipos nas análises genômicas. Além dosmodelos não lineares, também foi utilizado um modelo de regressão aleatória(RRM), considerando polinômios de Legendre quadráticos para a modelagem dosefeitos genético aditivo e de ambiente permanente. No segundo estágio foramtestados diferentes métodos para estimação dos valores genéticos genômicos(GEBV): RR-BLUP e LASSO, que consideraram como fenótipos as estimativas dosparâmetros obtidas anteriormente e os coeficientes de regressão estimados viaRRM. A cor... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Longitudinal traits are of great importance for animal production, however, when it comes to genomic selection several methods are being evaluated for specific traits, such as milk yield in specific ages or total yield. Thus, applying these methods to complete trajectories of the phenotype of interest over time can be an important tool for helping to decide the best time to select the animals. In this study, milk yield, fat and protein percentage, and somatic cell score data of dairy cattle were used, in a two-stage procedure: i) where the nonlinear Wood (1967), Cobby & Le Du (1978) and Wilmink (1987) were adjusted; ii) the model that provided the best fit was the Wilmink model (1987), whose parameter estimates were used as phenotypes later. In addition to the non-linear models, it was also used a random regression model, considering quadratic Legendre polynomials to model the additive genetic and permanent environment effects. In the second stage different methods for estimation of genomic breeding values (GEBV) were applied: RR-BLUP and LASSO, which considered as phenotypes the estimated parameters previously obtained and the random regression coefficients. The correspondence between phenotypes and GEBV was verified by through cross validation using the k-fold method. For all traits, the genomic prediction accuracies of Wilmink's model parameters were low when RR-BLUP was used. Furthermore, the accuracies for parameter c showed values close to zero for most traits. The pred... (Complete abstract click electronic access below) / Doutor