Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2017-06-05T13:50:45Z No. of bitstreams: 1 texto completo.pdf: 467599 bytes, checksum: 84549fcf32dfcf417481fabe434e4de3 (MD5) / Made available in DSpace on 2017-06-05T13:50:45Z (GMT). No. of bitstreams: 1 texto completo.pdf: 467599 bytes, checksum: 84549fcf32dfcf417481fabe434e4de3 (MD5) Previous issue date: 2005-03-21 / Fundação de Amparo a Pesquisa do Estado de Minas Gerais / O delineamento em blocos aumentados é bastante utilizado no melhoramento genético da cana-de-açúcar. As principais razões que levaram os melhoristas a adotarem esse delineamento foram: possibilidade de se avaliar grande número de tratamentos sem repetição na fase inicial dos programas e praticidade em instalar os experimento no campo. No entanto, as análises estatísticas deste delineamento apresentam certas limitações que comprometem a precisão das estimativas dos parâmetros genéticos. Uma alternativa para avaliar os delineamentos aumentados e que tem mostrado eficiência é a teoria de modelos, já que estes são por definição incompletos e conseqüentemente desbalanceados e não ortogonais. Com base na teoria de modelos mistos e utilizando o melhor estimador linear não viciado (BLUP), foi possível predizer os valores genotípicos dos genótipos de cana-de-açúcar e, através destes, estimar os ganhos com a seleção direta e indireta e a correlação entre os parâmetros que avaliam a adaptabilidade e estabilidade genotípica de acordo com as metodologias de Wricke (1956), Eberhart e Russell (1966) e as adaptadas por Carneiro (1998). Um total de 72 genótipos de cana- de-açúcar foi conduzido no delineamento em blocos aumentados em sete ambientes, sendo em cada ambiente instalados dois experimentos, formando duas repetições. As características avaliadas foram: Brix, número de colmos por parcela (NC), peso médio do colmo (PMC), toneladas de Brix por hectare (TBH) e toneladas de cana por hectare (TCH). Os resultados mostraram que a teoria de modelos mistos, aplicada ao delineamento de blocos aumentados, possibilitou a seleção de vários clones superiores às testemunhas RB72454 e RB835486. Os ganhos diretos foram bastante superiores aos indiretos em todas as circunstâncias. As metodologias diferenças em relação à reta bissegmentada ponderadas pelo coeficiente de variação residual (DRRB-CV) e trapézio quadrático ponderado pelo coeficiente de variação residual (TQ-CV) mostraram-se altamente correlacionadas entre si e com os valores genotípicos, classificando como sendo de melhor desempenho os clones mais produtivos. Ao contrário da metodologia de Wricke (1956), que não apresentou correlação significativa com esses clones, mas mostrou-se fortemente correlacionada com o coeficiente de determinação da análise de regressão. O parâmetro â ˆ 1i , que avalia a adaptabilidade segundo Eberhart e Russell (1966), teve correlação significativa com os valores genotípicos apenas com relação às características TBH e TCH. Ao passo que em todas as características avaliadas esse parâmetro correlacionou significativamente com as metodologias DRRB-CV e TQ-CV, mas de forma mais moderada. / The augmented block design is commonly used in sugar-cane genetic improvement. The main reasons that made plant breeders adopt this design were the possibility of evaluating a large number of treatments without repetition in the initial stages of the programs and practicality of installing the trials in the field. However, the statistical analyses of this design have some limitations that compromise the accuracy of genetic parameter estimates. An alternative to evaluate more efficiently augmented block designs is the theory of models, since these are by definition incomplete and consequently unbalanced and non-orthogonal. Based on the theory of mixed models and using the Best Linear Unbiased Prediction- (BLUP), it was possible to predict the genotypic values of sugar-cane genotypes and from these to estimate the gains with the direct and indirect selection and the correlation among the parameters that evaluate the adaptability and genotypic stability according to Wricke (1956), Eberhart and Russell (1966) adapted by Carneiro (1998). A total of 72 sugar-cane genotypes were arranged in the augmented block design in seven environments, two experiments in each environment, with two repetitions. The traits appraised were: Brix, number of stalks per plot (NS), mean weight (kg) of stalks (MW), tons of Brix per hectare (TBH), and tons xof cane per hectare (TCH). The theory of mixed models applied to the augmented block design made it possible the selection of several clones superior to the controls RB72454 and RB835486. The direct gains were greater than the indirect ones in all the circumstances. The methodologies differences in relation to the bisegmented line pondered by the coefficient of residual variation (DRB-VC) and quadratic trapezium pondered by the coefficient of residual variation (QT-VC) were shown highly correlated to each other and with the genotypic values, classifying the most productive clones as giving the best performance. Unlike Wricke’s methodology (Wricke, 1956) that did not show significant correlation with the clones, but it was shown strongly correlated with the determination coefficient of the regression analysis. The parameter â ˆ 1i , which evaluates adaptability according to Eberhart and Russell (1966), had significant correlation with the genotypic values only in relation to the traits TBH and TCH. Whereas in all the appraised traits this parameter correlated significantly with DRRB- CV and TQ-CV methodologies, but in a more moderate way.

Made available in DSpace on 2018-08-01T22:57:26Z (GMT). No. of bitstreams: 1 tese_10028_Dissertação Final José Henrique Soler Guilhen.pdf: 3722988 bytes, checksum: 4b68b139b816cd54352c1e770f2628ab (MD5) Previous issue date: 2016-06-30 / As dificuldade que a população poderá passar com a falta de alimento e os disafios para asua produção nos anos futuros, vem preocupando e desenvolvendo diversas pesquisas no meio academico sobre o assunto e os possíveis resultados. Dentre as preocupações e esperaça ao mesmo tempo para uma amortização das perspectivas contestualizadas dos pesquisadores se encontra a cultura do milho (Zea mays). O milho é uma das principais fontes de alimenteo de forma direta e indireta para a população mundial. Trabalhos que busquem melhor eficiencia estatíscas, como a tecnica de modelos mistos (REML/BLUP), vem sendo adotados como uma possível amortização da falta alimentar no futuro. Além disto, modelos que expliquer melhor os valores estimados em relação aos observados e ensaios que resultem em híbridos com maiores maiores produtividades são de esta menessidade no panorana atual. Mediante está contestualização os objetivos do presente estudo foi selecionar o modelo que explique melhor os resultados observados e selecionar híbridos altamente produtivos. O experimento foi montado em um delineamento de blocos aumentados, dois ensaios separados, o ensaio 1 com 1801 linhagens hibridizada com o testador G24 e o ensaio 2 formado por 1551 linhagens hibridizado com o testador G8. A análise estatística foi realizada através da metodologia de modelos mistos (REML/BLUP). Foram testados 8 diferentes modelos, divididos em três classes. Os modelos selecionados foram os que apresentaram uma melhor precisão, baseado no log(L), AIC, BIC, acurácia e medidas de tempo e com e sem informação de parentesco. Com os modelos selecionados foram realizados testes de seleção de híbridos dentro de cada ensaio e no conjunto e estudou-se a coincidencia entre os ensaios em avaliação. Os melhores ajustes foram para os modelos M3, M6 e M8. Os menores tempos foram respostas dos modelos que não consideram informação de parentesco. A coincidência entre os 5% selecionados fenotipicamente e genotipicamente para todas as análises foi de 0,41 a 0,60. A coincidência entre os diferentes modelos e ensaios foi de 43,45 a 96,67%. Com este trabalho podemos concluir que os melhores modelos de modo geral entre ajustes e tempo foram os modelos M3 e M6 e o ensaio 1 que resultou nos melhores híbridos provenientes no experimento.

Consideramos a predição ótima de valores latentes com base em dados sujeitos a erros de medida endógenos e exógenos, obtidos a partir de uma amostra aleatória de uma população finita. Consideramos o modelo misto para populações finitas (MMPF) com erros de medida exógenos e endógenos usando o enfoque proposto por Stanek et al. (2004) e Stanek & Singer (2004), e calculamos o melhor preditor linear não enviesado (BLUP) do valor latente da i-ésima unidade selecionada na amostra. Quando as variâncias endógenas são heterocedásticas, o preditor obtido sob o MMPF é diferente do preditor obtido sob o modelo misto usual, pois a constante de encolhimento depende da média das variâncias individuais. Utilizamos simulação para comparar o preditor obtido sob o modelo misto usual (utilizado conforme a interpretação usual) com o preditor obtido sob o MMPF, mostrando que apesar do primeiro ser enviesado, ele geralmente apresenta erro quadrático médio (EQM) menor (ou ligeiramente maior) do que aquele obtido sob o MMPF. Adicionalmente, mostramos como utilizar dois pacotes de \\emph estatístico (Proc MIXED do SAS e lme(nlme) do R), construídos sob o modelo misto usual, para ajustar corretamente modelos em situações com erros exógenos e endógenos, heterocedásticos ou homocedásticos. / We consider optimal estimation and prediction of latent values based on data subject to endogenous and exogenous measurement errors, obtained via simple random sample from a finite population. We consider a finite population mixed model (FPMM) with endogenous and exogenous measurement errors proposed by Stanek III et al. (2004) and Stanek III & Singer (2004) and obtained the best linear unbiased predictor (BLUP) of the latent value of the i-th unit selected in the sample. When the endogenous variances are heteroscedastic, the predictor obtained under the FPMM is different than the predictor obtained with the usual mixed model, because the shrinkage constant depends on the average of the individual variances. We consider simulation studies to compare the predictor obtained under the usual mixed model (used according to the usual interpretation) with the predictor obtained under the FPMM, and show that the former is biased, but usually presents smaller (or slightly larger) mean squared error (MSE) than the predictor obtained under the FPMM. Additionally, we indicate how two commonly used statistical software packages (SAS\'s Proc MIXED and R\'s lme(nlme) ) may be employed to fit mixed models in situations with heteroscedastic or homoscedastic exogenous and endogenous errors.

Em regiões tropicais e subtropicais, a alta intensidade da radiação solar associada aos altos valores de temperatura e umidade proporcionam condições de desconforto dentro dos aviários comerciais, afetando a sanidade e produção dos lotes de frango. Nesse sentido, o presente trabalho propôs-se avaliar dados de conforto animal em aviários construídos em escala reduzida com diferentes tipos de telhas (cerâmica e fibrocimento) e forros (A e B). Modelos lineares mistos foram utilizados objetivando-se o estudo dos índices de conforto \"entalpia específica\" (h) e \"temperatura de globo e umidade\" (ITGU). A obtenção dos modelos envolveu a escolha de efeitos aleatórios, fixos e estruturas de covariância utilizando técnicas gráficas e analíticas. Para selecionar os modelos que melhor se ajustavaram aos dados, foram utilizados testes de razão de verossimilhanças, teste Wald-F e os critérios de informação AIC e BIC, em um método de seleção top-down. Para a variável entalpia específica, não houve diferença entre os tratamentos avaliados, sendo todos representados por uma parábola que apresentou ponto máximo em 50,68 kJ.kg ar seco-1 às 13h 51min. Para a variável ITGU, houve interação entre os fatores testados, sendo a combinação telha de cerâmica e forro B a de melhor desempenho, apresentando máximo em 74,08 às 14h 21min. As análises de diagnóstico confirmaram o bom ajuste dos modelos. Era esperado que os diferentes índices de conforto gerassem conclusões equivalentes, no entanto isso não foi observado. / In tropical and subtropical regions, the high intensity of solar radiation associated with high values of temperature and humidity provide discomfort inside the commercial poultry houses, which affects animal health and production batches. Therefore, this works\'s goal is to analyse data of performance of small-scale poultry houses built with different types of tiles (ceramic and cement) and liners (A and B) in animal comfort. Linear mixed models were used aiming to study two thermal comfort indexes: specific enthalpy (h) and black globe temperature and humidity (GTHI). Model building involved choosing fixed and random effects and covariance structures using graphical and analytical techniques. To select the best model fit, likelihood ratio tests were used, as well as Walf-F tests and the AIC and BIC criteria in a top-down selection method. For the specific enthalpy variable, there was no significant difference among the treatments and all were represented by a single curve which presented a peak at 50.68 kJ.kg of dry air-1 at 13h 51min. For the variable GTHI, there was a significant interaction effect between the factors and the combination of ceramic tile and liner B provided the best performance, with a maximum of 74.08 at 14h 21min. The diagnostic tests confirmed that the models were well fitted. It was expected that the different comfort indexes would generate equivalent conclusions, however this was not observed.

Várias metodologias têm sido propostas com o intuito de medir a influência que a interação GxE exerce sobre os mais diversos caracteres de interesse e, dentre essas, as abordagens via modelos mistos utilizando REML/BLUP têm sido mencionadas como vantajosas. Ainda, o uso de informações ambientais pode ser útil para encontrar os fatores que estão por trás da real diferença entre os genótipos. O objetivo do estudo foi avaliar a resposta da produtividade de grãos em feijão-caupi frente às variações espaciais, e as variáveis ambientais mais relevantes para a interação GxE. Foram avaliados 20 genótipos em 47 locais entre os anos de 2010 a 2012 sob delineamento DBC. Após a análise conjunta, os padrões de adaptabilidade dos genótipos foram testados pelas metodologias GGE Biplot e MHPRVG e a estratificação ambiental foi feita via Análise de Fatores sobre a matriz dos efeitos aleatórios GGE. A importância das variáveis ambientais na produtividade foi verificada pela associação entre os efeitos da matriz GGE e cada variável ambiental. Após decomposição SVD, os componentes principais foram plotados em Covariáveis-Biplots. Os efeitos de genótipos e da interação tripla apresentaram elevada significância (p ≤ 0,01 e p ≤ 0,001, respectivamente) indicando forte influência desta última no desempenho dos genótipos avaliados. O modelo fixo GGE Biplot apresentou baixa eficiência, explicando apenas 35% da variação total, sendo os genótipos MNC03-737F-5-1, MNC03-737F-5- 4, MNC03-737F-5-9, BRS Tumucumaque, BRS Cauamé e BRS Guariba considerados os mais estáveis, e MNC03-737F-5-9 e BRS Tumucumaque apontados como amplamente adaptados. Já a estatística MHPRVG destacou os genótipos MNC02-676F-3, MNC03-737F-5-1, MNC03- 737F-5-9, BRS Tumucumaque e BRS Guariba, com adaptação ampla, e MNC02-675F-4-9, MNC02-676F-3 e MNC03-737F-5-9 como especificamente adaptados a alguns ambientes. O ajuste para o modelo aleatório revelou efeitos de genótipos e interações GxE significativos (p ≤ 0,001) e foram obtidas correlações significativas (p ≤ 0,01 e p ≤ 0,001) entre PROD e as variáveis IT, NDP, Ptotal, Tmax, Tmin, Lat, Lon, e Alt. Os genótipos MNC03-737F-5-1, MNC03-737F-5-9, BRS Tumucumaque e BRS Guariba associaram elevada produtividade de grãos à rusticidade, sendo as variáveis \"Temperatura\", \"Insolação\" e \"Precipitação\", bem como \"Latitude\" e \"Altitude\", os mais importantes para a interação GxE. A análise MHPRVG foi adequada para a identificação dos genótipos superiores e o modelo Biplot-Covariável mostrou-se como uma ferramenta útil na identificação das variáveis ambientais importantes para a produtividade de grãos em feijão-caupi. / Several methods have been proposed to measure GxE interaction influence on various traits of interest, and among these, mixed models approaches using REML/BLUP have been mentioned as advantageous. Moreover, the use of environmental information can be useful to find factors that are behind the real difference between genotypes. The aim of this study was to evaluate the response of grain yield in cowpea to spatial variations, and the most important environmental factors for GxE interaction. Twenty genotypes were evaluated at 47 locations between the years 2010 to 2012 under RCB design. After joint analysis, genotypes adaptability patterns were tested by GGE Biplot and MHPRVG methods, and an environmental stratification was performed through factor analysis on the random effects GGE matrix. The impact of environmental factors on yield was verified by the association between the effects of the GGE matrix and environmental variables. After SVD decomposition, the principal components were plotted in Covariables-Biplots. Genotype effects and triple interaction were highly significant (p ≤ 0.01 and p ≤ 0.001, respectively) indicating strong GxE influence on genotypes performance. The fixed model GGE Biplot exhibits low efficiency, explaining only 35% of the total variation, and genotypes MNC03-737F-5-1, MNC03-737F-5-4, MNC03-737F-5-9, BRS Tumucumaque, BRS Cauamé, and BRS Guariba were considered the most stable, and MNC03-737F-5-9 and BRS Tumucumaque identified as widely adapted. MHPRVG method highlighted MNC02-676F-3, MNC03-737F-5-1, MNC03-737F-5-9, BRS Tumucumaque, and BRS Guariba as genotypes with broad adaptation and MNC02-675F-4-9, MNC02-676F-3, and MNC03-737F-5-9 as specifically adapted to certain environments. The fitted random effects model revealed significant genotype effects and GxE interactions (p ≤ 0.001) and significant correlations were obtained (p ≤ 0.01 and p ≤ 0.001) between PROD and IT , NDP, Ptotal, Tmax, Tmin, Lat, Lon, and Alt variables. Genotypes MNC03-737F-5-1, MNC03-737F-5-9, BRS Tumucumaque, and BRS Guariba presented high grain yield associated with rusticity, and environmental factors \"Temperature\", \"Insolation\" and \"Precipitation\", as well as \"Latitude\" and \"Altitude\", were the most important for GxE interaction. MHPRVG analysis was adequate to identify superior genotypes, and Covariate-Biplot model proved to be a useful tool for identifying key environmental factors for grain yield in cowpea.

O modelo misto é comumente utilizado em dados de medidas repetidas devido a sua flexibilidade de incorporar no modelo a correlação existente entre as observações medidas no mesmo indivíduo e a heterogeneidade de variâncias das observações feitas ao longo do tempo. Este modelo é composto de efeitos fixos, efeitos aleatórios e o erro aleatório e com isso na seleção do modelo misto muitas vezes é necessário selecionar os melhores componentes do modelo misto de tal forma que represente bem os dados. Os critérios de informação são ferramentas muito utilizadas na seleção de modelos, mas não há muitos estudos que indiquem como os critérios de informação se desempenham na seleção dos efeitos fixos, efeitos aleatórios e da estrutura de covariância que compõe o erro aleatório. Diante disso, neste trabalho realizou-se um estudo de simulação para avaliar o desempenho dos critérios de informação AIC, BIC e KIC na seleção dos componentes do modelo misto, medido pela taxa TP (Taxa de verdadeiro positivo). De modo geral, os critérios de informação se desempenharam bem, ou seja, tiveram altos valores de taxa TP em situações em que o tamanho da amostra é maior. Na seleção de efeitos fixos e na seleção da estrutura de covariância, em quase todas as situações, o critério BIC teve um desempenho melhor em relação aos critérios AIC e KIC. Na seleção de efeitos aleatórios nenhum critério teve um bom desempenho, exceto na seleção de efeitos aleatórios em que considera a estrutura de simetria composta, situação em que BIC teve o melhor desempenho. / The mixed model is commonly used in data of repeated measurements because of its flexibility to incorporate in the model the correlation existing between the observations measured in the same individual and the heterogeneity of variances of observations made over time. This model is composed of fixed effects, random effects and random error and with this in the selection of the mixed model it is often necessary to select the best components of the mixed model in such a way that it represents the data well. Information criteria are tools widely used in model selection, but there are not many studies that indicate how information criteria play out in the selection of fixed effects, random effects, and the covariance structure that makes up the random error. In this work, a simulation study was performed to evaluate the performance of the AIC, BIC and KIC information criteria in the selection of the components of the mixed model, measured by the TP (True positive Rate). In general, the information criteria performed well, that is, they had high TP rate in situations where the sample size is larger. In the selection of fixed effects and in the selection of the covariance structure, in almost all situations, the BIC criterion had a better performance in relation to the AIC and KIC criteria. In the selection of random effects no criterion had a good performance, except in the selection of Random effects in which it considers the compound symmetric structure, situation in which BIC had the best performance.

O estudo de doenças complexas, tais como hipertensão e glicemia, é de grande importância na área médica, pois essas doenças afetam muitas pessoas no mundo e seu padrão de variação envolve componentes ambientais, genéticos e suas possíveis interações. Para o mapeamento de genes a amostragem do genoma humano é feita por meio de plataformas de marcadores moleculares e, em geral, destacam-se duas classes de marcadores: os do tipo microsatélites e os SNPs (do inglês, Single Nucleotide Polimorphisms). Os dados de famílias são comumente analisados via modelos mistos e marcadores microsatélites de efeitos aleatórios, sendo que os estudos caso-controle com indivíduos não relacionados têm sido vinculados a dados de SNPs. Neste contexto, surge a problemática de como modelar o SNP em dados de famílias, pois o mesmo pode ser modelado como um fator fixo ou aleatório. Com a finalidade de trazer contribuições a esta discussão, um dos objetivos deste trabalho é propor um exercício de simulação e análise de dados genéticos que facilite o ensino e o entendimento de conceitos de genética e do mapeamento de genes modelados a partir de efeitos fixos ou aleatórios utilizando o software R. Além disso, na análise de dados envolvendo mapas densos de SNPs é necessário contornar o problema de múltiplos testes, e a proposta em multiestágios de Aulchenko et al. (2007) é uma alternativa de análise, na qual o efeito do SNP é modelado como um fator fixo e associado a um componente residual. Logo, surge também como desafio deste trabalho, aplicar o modelo em multiestágios para o mapeamento dos genes e discutir suas vantagens e limitações. / The study of complex diseases such as hypertension and glucose is of great importance in the medical field because these diseases affect many people in the world and its pattern of variation involves environmental and genetics components and their possible interactions. For genes mapping the human genome sampling is performed by means of molecular markers platforms, generally including two kinds of markers: the type microsatellite and SNPs (Single Nucleotide Polimorphisms). The family data is commonly analyzed by mixed models and random effects microsatellite markers and the case-control studies with unrelated individuals have been linked to data from SNPs. In this context the question arises of how to model the SNP on family data because it can be modeled as a fixed or random factor. In order to bring contributions to this discussion, one of the objectives of this study is to propose a simulation exercise and analysis of genetic data to facilitate the teaching and understanding of concepts of genetics and gene mapping modeled from fixed or random effects using software R. Furthermore, analysis of data involving dense maps of SNPs is necessary to overcome the problem of multiple tests, and the proposal multistage Aulchenko et al. (2007) is an alternative analysis in which the effect of SNP is modeled as a fixed factor and associated with a residual component. So there is also a challenge of this study to apply the multistage model for the mapping of genes and discuss their advantages and limitations.

Consideramos a predição ótima de valores latentes com base em dados sujeitos a erros de medida endógenos e exógenos, obtidos a partir de uma amostra aleatória de uma população finita. Consideramos o modelo misto para populações finitas (MMPF) com erros de medida exógenos e endógenos usando o enfoque proposto por Stanek et al. (2004) e Stanek & Singer (2004), e calculamos o melhor preditor linear não enviesado (BLUP) do valor latente da i-ésima unidade selecionada na amostra. Quando as variâncias endógenas são heterocedásticas, o preditor obtido sob o MMPF é diferente do preditor obtido sob o modelo misto usual, pois a constante de encolhimento depende da média das variâncias individuais. Utilizamos simulação para comparar o preditor obtido sob o modelo misto usual (utilizado conforme a interpretação usual) com o preditor obtido sob o MMPF, mostrando que apesar do primeiro ser enviesado, ele geralmente apresenta erro quadrático médio (EQM) menor (ou ligeiramente maior) do que aquele obtido sob o MMPF. Adicionalmente, mostramos como utilizar dois pacotes de \\emph estatístico (Proc MIXED do SAS e lme(nlme) do R), construídos sob o modelo misto usual, para ajustar corretamente modelos em situações com erros exógenos e endógenos, heterocedásticos ou homocedásticos. / We consider optimal estimation and prediction of latent values based on data subject to endogenous and exogenous measurement errors, obtained via simple random sample from a finite population. We consider a finite population mixed model (FPMM) with endogenous and exogenous measurement errors proposed by Stanek III et al. (2004) and Stanek III & Singer (2004) and obtained the best linear unbiased predictor (BLUP) of the latent value of the i-th unit selected in the sample. When the endogenous variances are heteroscedastic, the predictor obtained under the FPMM is different than the predictor obtained with the usual mixed model, because the shrinkage constant depends on the average of the individual variances. We consider simulation studies to compare the predictor obtained under the usual mixed model (used according to the usual interpretation) with the predictor obtained under the FPMM, and show that the former is biased, but usually presents smaller (or slightly larger) mean squared error (MSE) than the predictor obtained under the FPMM. Additionally, we indicate how two commonly used statistical software packages (SAS\'s Proc MIXED and R\'s lme(nlme) ) may be employed to fit mixed models in situations with heteroscedastic or homoscedastic exogenous and endogenous errors.

Submitted by Reginaldo Soares de Freitas (reginaldo.freitas@ufv.br) on 2016-06-14T15:08:33Z No. of bitstreams: 1 texto completo.pdf: 659118 bytes, checksum: 0e77dd2b16d977eb9de71bb0cdfe4aa8 (MD5) / Made available in DSpace on 2016-06-14T15:08:33Z (GMT). No. of bitstreams: 1 texto completo.pdf: 659118 bytes, checksum: 0e77dd2b16d977eb9de71bb0cdfe4aa8 (MD5) Previous issue date: 2009-11-24 / Coordenação de Aperfeiçoamento do Pessoal de Nível Superior / Conselho Nacional de Desenvolvimento Científico e Tecnológico / O objetivo do estudo foi o de avaliar a eficiência do método BLUP individual simulado (BLUPIS) na seleção de genótipos dentro de famílias de irmãos germanos de cana-de-açúcar nos estágios de cana-planta e cana-soca, através da comparação com a seleção utilizando o método BLUP individual (BLUPI). Paralelamente, foi estabelecido o número ótimo de genótipos a serem selecionados na melhor família para quatro características avaliadas. Foram avaliadas dezessete famílias de irmãos germanos no Centro de Experimentação em Cana-de-açúcar (CECA), localizado em Oratórios, MG. As variáveis utilizadas para a validação do método BLUPIS foram massa média de colmos (MMC), teor de sólidos solúveis totais (BRIX), tonelada de colmos por hectare (TCH) e tonelada de BRIX por hectare (TBH). As equações de modelo misto foram utilizadas para calcular os valores genotípicos de cada família e os valores genotípicos de cada indivíduo dentro de família (BLUPI). O método BLUPIS, foi eficiente na seleção de genótipos dentro de famílias de irmãos germanos de cana-de-açúcar quando comparado à seleção realizada utilizando os valores genotípicos individuais preditos via BLUPI, para as características avaliadas. Os números ótimos de genótipos a serem selecionados na melhor família obtendo a maior eficiência do método BLUPIS, para o estágio de cana-planta foram: 50 indivíduos para MMC, 100 para TCH e TBH, e 120 para BRIX. Para o estágio de cana- soca o número ótimo foi 100 para todas as características avaliadas. Contudo, os resultados obtidos são pertinentes apenas à este trabalho havendo necessidade da avaliação de maior número de experimentos para a possível generalização do número ótimo de genótipos a ser selecionado na melhor família de irmãos germanos para as características avaliadas. / The objective of this study was to assess the efficiency of the simulated individual BLUP (BLUPIS) method in selecting genotypes within families of full sibs of sugarcane in the plant-cane and ratoon stages, through comparison with selection using the individual BLUP method (BLUPI). In parallel, the optimal number of genotypes to be selected in the best family will be established for four assessed characteristics. Seventeen full sibs families were assessed in the Center for Experimentation in Sugarcane (CECA), located in Oratórios, MG, Brazil, in the ratoon stage. Variables used for validation of the BLUPIS method were mean stems mass (MSM), total soluble solids assay (BRIX), ton of stems per hectare (TSH) and tons of Brix per hectare (TBH). Mixed model equations were used to estimate the genotipic values of each family and genotipic values of each individual within the family (BLUPI). BLUPIS method was efficient in genotypes selection within full sibs families of sugarcane in the ratoon stage when compared to the selection performed by individual genotypic values foreseen via BLUPI for the assessed characteristics. The optimal numbers of genotypes, to be selected in the best family by obtaining the higher efficiency of BLUPIS method with the selection by BLUPI, in the plant-cane stage, were 50 plants for MSW, 100 for TSH and TBH, and 120 for BRIX. For the ratoon stage the optimal number of genotypes was 100 for the characteristics assessed. However, the obtained results are relevant only for this work, being necessary to assess a larger number of experiments for possible generalization of the optimal number of genotypes to be selected in the best full sib family for the characteristics assessed.

The objectives of this study was to calculate the genetic gain corn grain yield in southern Brazil and calculate the genetic gain in two classes of altitude. The methods used were the Vencovsky et al. (1988) based on linear models with inference least squares (ML/MQ) and the Borges et al. (2009), based on mixed models with inference by residual likelihood (MM/REML). We used a database with 30,292 yield observation from corn grain but resulting in 135 genotypes in 2,826 trials conducted in 13 years, from 2001 to 2013, being the year regarding the planting date of the trials. For the stratification of trials, in order to form similar environments, we used as criteria the altitude, down and up to 700m. The methodology of ML/MQ annual mean genetic gain was 121 kg ha-1 year-1 with a confidence interval to 95% [11;232] kg ha-1 year-1, and by MM/REML methodology was 79 kg ha-1 year-1 with a confidence interval to 95% [70; 98] kg ha-1 year-1 for the entire southern region of Brazil. In regions with altitude of 700 m, the genetic gain was 94 kg ha-1 year-1 and in regions with altitude less than 700 mo genetic gain was 74 kg ha-1 year-1.MM/REML methodology provided intervals more accurate and reliable values of genetic gain lower when compared to ML/MQ methodology. In all cases analyzed, the genetic gain was positive and significant between the years 2001-2013. / Os objetivos deste trabalho foram calcular o ganho genético de produtividade de grãos de milho na região Sul do Brasil e calcular o ganho genético em duas classes de altitude. As metodologias utilizadas foram a de Vencovsky et al. (1988), baseada em modelos lineares com inferência por mínimos quadrados (ML/MQ) e a de Borges et al. (2009), baseada em modelos mistos com inferência por verossimilhança residual (MM/REML). Foi utilizada uma base de dados com 30.292 observações de produtividade de grãos de milho, resultantes de 135 genótipos avaliados em 2.826 ensaios conduzidos em 13 anos, de 2001 a 2013, sendo o ano referente à data de semeadura do ensaio. Para a estratificação dos ensaios, com o objetivo de formar classes de altitude, utilizou-se como critério da altitude, inferior e superior a 700m. Pela metodologia de ML/MQ o ganho genético médio anual foi de 121 kg ha-1 ano-1 com intervalo de confiança a 95% de [11;232] kg ha-1.ano-1, e pela metodologia de MM/REML foi de 79 kg ha-1 ano-1 com intervalo de confiança a 95% de [70;98] kg ha-1 ano-1, para a região sul do Brasil. Em altitude superior a 700 m, o ganho genético foi de 94 kg ha-1 ano-1 e em altitude inferior a 700 m o ganho genético foi de 74 kg ha-1 ano-1. A metodologia MM/REML proporcionou intervalos de confiança mais precisos e valores de ganho genético inferiores quando comparada à metodologia de ML/MQ. Em todas as situações analisadas o ganho genético foi positivo, e significativo entre os anos de 2001 a 2013.