Nas últimas décadas, a produção e exportação de carne bovina no Brasil consolidaram o país como um importante fornecedor no mercado internacional. No ano de 2012 o Brasil produziu aproximadamente 17% da demanda mundial de carne, exportando 1.325 milhão de toneladas (USDA, 2012). No entanto, apesar desta posição privilegiada, a produção brasileira é caracterizada pela criação extensiva dos animais e pela baixa qualidade do produto final. O rebanho é composto basicamente por animais Bos indicus e seus cruzamentos, com predominância da raça Nelore. Estes animais, por sua vez, apresentam ótima adaptabilidade e resistência ao ambiente tropical, porém com qualidade de carne e carcaça inferior quando comparados a bovinos Bos taurus. Assim, buscando indivíduos com maior rusticidade e com melhores índices de crescimento e acabamento de carcaça, os produtores vem utilizando cruzamentos entre bovinos Bos taurus X Bos indicus, aproveitando os efeitos de heterose e complementariedade entre raças. Os resultados já obtidos reforçam a contribuição dos mestiços na produção de carne, sendo utilizados com maior frequência em ambientes onde animais puros não apresentariam bons desempenhos. Diante disso, a identificação e seleção de animais superiores para ambientes tropicais possibilitariam o atendimento das demandas do mercado, principalmente no que diz respeito à qualidade da carne produzida. Portanto, efeitos genéticos aditivos e não aditivos que influenciam as características de importância econômica devem ser considerados nas avaliações genéticas de animais cruzados. Desta forma, os objetivos deste trabalho foram: I) Estudar a influência dos efeitos genéticos não aditivos na estimação de componentes de variância, parâmetros genéticos e ranking dos animais através de diferentes modelos; II) Estudar a influência da regressão de cumeeira ponderada na redução de colinearidade e na estimação de componentes de variância e parâmetros genéticos. A partir dos resultados foi possível observar que modelos que consideraram efeitos genéticos aditivos e não aditivos da epistasia e de heterozigose foram em geral os mais adequados para descrever o peso a desmama e o ganho de peso da desmama ao sobreano. Para a análise de peso ao nascer, peso aos 12 meses, área do olho do lombo e a espessura de gordura da picanha o efeito da epistasia foi desprezível. Da mesma maneira, foi possível observar que a aplicação da regressão ridge ponderada diminuiu a inflação da variância associada aos efeitos fixos genéticos diretos e maternos e, proporcionou estimativas mais estáveis e plausíveis para as características de crescimento. Em relação aos componentes de variância não foram verificadas diferenças em função da aplicação de regressão ridge ponderada em características de crescimento. / In last year Brazilian beef production and exportation consolidated the country as an important provider in the international market. Thus, in 2012, Brazil provided approximately 17% of global meat demand, exporting 1,325 million tons (USDA, 2012). However, Brazilian production is characterized by extensive grazing system and low meat quality. The Brazilian herd is composed mainly of Bos indicus (mostly Nelore) and their crosses. These animals have great adaptability and resistance to tropical environment, but they show lower carcass and meat quality than Bos taurus cattle. Thus, looking for individuals with more rusticity and better growth rates and carcass traits, the farmers have been using crossbreed between Bos taurus X Bos indicus, exploring the heterosis and complementarity effects. Results obtained affirmed the crossbred contribution in meat production, especially in environments where purebred animals would not show good performances. Therefore, the identification and selection of genetically superior animals would meet specific market needs. Thus, is necessary to consider additive and non-additive genetic effects in genetic evaluation. The aims of this study were: I) to study the influence of non-additive genetic effects in the estimation of genetic parameters and ranking of animals across different models. II) To study the influence of weighted ridge regression in collinearity reduction and their effects in genetic parameters estimation. The results showed that models that considered non-additive genetic effects of epistasis and heterozygosity were generally the most suitable to describe the weaning weight and weight gain from weaning to yearling. The epistasis effect was unimportant for birth weight, weight at 12 months, loin rib eye area and fat thickness of. Similarly, it was observed that ridge regression application allowed decreased the inflation variance and provided stable and plausible estimates. No differences due to the application of ridge regression were observed in growth traits.

Técnicas adequadas para quantificação de biomassa florestal têm sido demandadas devido ao grande crescimento do mercado de carbono e de aspectos relacionados às mudanças climáticas, assim, é importante desenvolver métodos de determinação e estimação da biomassa com menores custos e que apresentem estimativas confiáveis. O objetivo deste trabalho foi determinar a biomassa aérea total comparando métodos destrutivos e não destrutivos e ajustar equações alométricas para biomassa aérea total e seus componentes (biomassa do fuste e biomassa da copa) usando diferentes modelos de regressão (modelos de efeitos fixos e modelos de efeitos mistos). Para isso foi realizado um inventário selecionando sistematicamente locando 30 parcelas de 200 m2 nas áreas de floresta nativa da Fazenda Três Lagoas, localizada em Angatuba, estado de São Paulo, Brasil. Posteriormente, foram coletados indivíduos de 11 espécies nativas (as de maior frequência e maior Índice de Valor de Importância - IVI). Foi realizada uma amostragem destrutiva e a cubagem rigorosa, além de coleta de quatro discos do fuste e uma bagueta de madeira das árvores distribuídas em três classes de diâmetros e determinada a densidade básica e a biomassa. Posteriormente foram ajustados diferentes modelos de regressão linear e não linear de efeitos fixos e de efeitos mistos e escolhido o melhor modelo segundo o AIC (Critério de Akaike) e o Índice de Furnival. Quando estudada a densidade básica da madeira, o método de determinação usando bagueta é diferente dos métodos destrutivos, sendo que a densidade básica da madeira baseada na bagueta apresentou sempre a maior média. No entanto, quando a biomassa do tronco é estudada, o método não destrutivo não apresenta diferença estatística dos outros métodos de coleta destrutivos (um disco e múltiplos discos). Ainda, os métodos diretos de determinação de biomassa (volumetria e gravimetria) foram estatisticamente similares. Ao ajustar as equações para biomassa aérea, os modelos mistos foram superiores aos modelos de efeitos fixos. Modelos na escala original e modelos com função de variância não conseguiram obter um bom comportamento do resíduo, sendo os modelos com transformações em ambos os lados (logaritmo) os que obtiveram homocedasticidade. Os modelos selecionados (usando o Critério de Akaike e o Índice de Furnival) foram os modelos lineares transformados de efeitos mistos (usando espécie como variável aleatória). Quando esses modelos foram aplicados ao inventário florestal da área, a biomassa aérea total foi de 125,52 Mg.ha-.1. Conclui-se que: Os métodos volumétricos e gravimétricos para determinação de biomassa do fuste são estatisticamente iguais, e permitem o uso de técnicas não destrutivas (bagueta) para determinar a densidade básica da madeira a ser usada no cálculo da biomassa. O uso de métodos não destrutivos diminui o trabalho de campo e de laboratório, o que permite a redução de custos. Quando só a densidade básica da madeira é estudada, o método destrutivo e não destrutivo apresentam diferenças estatísticas, sendo que a bagueta apresenta a maior média de densidade básica da madeira. Quando são construídos modelos de regressão para estimação de biomassa, os modelos de efeitos mistos com a espécie como efeito aleatório apresentam um melhor AIC que os modelos de efeitos fixos. Nesta floresta os modelos com transformações de ambos os lados foram os únicos modelos que obtiveram homocedasticidade. / Adequate techniques to quantify the forest biomass have shown to be necessary due to the carbon market growth and issues related to climate change; therefore, it is important to develop less expensive biomass determination and estimation methods that provide reliable estimations. The main objective of this research was to determine the total aboveground biomass by comparing destructive and non-destructive methods and fit allometric equations for total aboveground biomass and its components (trunk biomass and crown biomass) using different regression models (fixed effects and mixed effects models). In order to do that, we inventoried 30 plots of 200 m2 in native forest areas at Três Lagoas Farm in Angatuba, Sao Paulo, Brazil. Subsequently, we collected sample trees of 11 native species (those that are more frequent and that have a higher Importance Value Index - IVi). A destructive sampling was performed in those trees and after that their volume was calculated; four discs were extracted from their trunks as well as core samples distributed in three diameter classes; and, basic density and biomass were determined. Then, we fitted different linear and non-linear models of regression of fixed and mixed effects and then we chose the best model according to AIC (Akaike Information Criterion) and Furnival\'s Index. When studying wood basic density the core sample method differs from other types of methods and presents the higher mean value. However, when analyzing trunk biomass this non-destructive method does not differ statistically from other sampling destructive methods like disc and multiple discs. Nevertheless, direct methods to determine biomass (volumetry and gravimetry) were statistically similar. When fitting equations for aboveground biomass, mixed models had a superior behavior compared with fixed effects. Models in their original scale and models with variance function did not have good residuals behavior. Two-side transformation models (logarithm) showed homoscedasticity. The selected models (using Akaike Criteria and Furnival´s Index) were linear transformed models of mixed effects (using the species as a random variable). When those models were applied to the forest inventory of the area, the value corresponding to total aboveground biomass was 125.52 Mg.ha-1. Therefore, we were able to conclude that: Volumetric and gravimetric methods to determine trunk biomass are statistically equal, and allow the use of non-destructive techniques (core sampling) to determine the wood basic density if this variable is going to be used to determine biomass. The use of non-destructive methods decreases field and lab work, allowing cost reduction. When wood basic density is the only variable, destructive and non-destructive methods showed statistic differences, being that the core sample presented the highest mean of wood basic density. When adjusting regression models to estimate biomass, mixed effects models with the species as a random effect showed a better AIC compared to fixed effects models. In this forest, models with two-side transformations were the only models to obtain homoscedasticity.

O presente estudo objetivou estimar parâmetros genéticos visando quantificar a variabilidade genética de uma população de café robusta (Coffea canephora Pierre ex A. Froehner) introduzida da Costa Rica e analisar o seu potencial genético para o desenvolvimento de futuras cultivares clonais para o estado de São Paulo. Outro intuito foi verificar a possibilidade de submeter essa população à seleção recorrente, tornando-a, assim, fonte de alimentação e sustentação de programas de melhoramento genético do café robusta. O experimento foi composto por 25 tratamentos, sendo 21 progênies de C. canephora e quatro cultivares de C. arabica, plantados em Mococa (SP). O delineamento experimental utilizado foi em látice balanceado 5x5 quadruplicado, com seis repetições e uma planta por parcela. Foram realizadas doze colheitas e após a sexta colheita as plantas foram podadas. Em 2004, foi realizada uma seleção fenotípica dessa população a fim de clonar os melhores indivíduos. Essa seleção resultou em novo experimento, instalado em Campinas, seguindo o delineamento de blocos ao acaso, com três repetições, 28 clones e quatro plantas por parcela, sendo realizadas cinco colheitas consecutivas. As análises estatísticas e biométricas foram realizadas considerando os modelos lineares mistos (procedimento REML/BLUP), por meio do software Selegen, cujos componentes de variância são estimados pelo método da máxima verossimilhança restrita (REML) e os valores genotípicos preditos pela melhor predição linear não viesado (BLUP). As análises mostraram que, na população em estudo, observou-se elevada variabilidade genética, passível de ser explorada tanto para a extração de clones quanto para a seleção recorrente. As adversidades climáticas severas fizeram com que a seleção fosse prejudicada. Nessa situação é preferível não considerar o período afetado e analisar os dados após a recuperação das plantas. A seleção baseada em seis colheitas forneceu estimativas de parâmetros e ganhos genéticos similares aos obtidos na seleção baseada em duas colheitas de alta produção. Os ganhos genéticos esperados nas duas formas de propagações foram elevados e a seleção clonal proporcionou maiores ganhos do que a sexual. No experimento clonal foi possível identificar materiais com potencial produtivo e que poderão vir a ser recomendados para o cultivo no estado de São Paulo. Apesar de a interação genótipos x colheitas ter sido do tipo complexa, devido ao veranico ocorrido, esta não afetou significativamente o ordenamento dos melhores clones e nem comprometeu as estimativas dos parâmetros genéticos. Os coeficientes de variação experimental e genético bem como seu valor relativo deverão ser analisados conjuntamente com o número de repetições e a acurácia seletiva. A seleção recorrente deverá ser conduzida concomitantemente com o programa de seleção clonal, a fim de evitar o esgotamento da variabilidade genética e o comprometimento do programa de melhoramento genético visando o desenvolvimento de cultivares clonais. Tendo em vista que a população inicial foi constituída por um pequeno número de progênies, é aconselhável o monitoramento do tamanho efetivo populacional e do grau de endogamia ao longo dos ciclos de seleção recorrente. / The objective of this research was to estimate genetic parameters to quantify the variability of a population of robusta coffee (Coffea canephora Pierre ex A. Froehner) introduced into Brazil from Costa Rica in 1974 aiming at determining its genetic potential for the development of clonal or seedling cultivars for the state of São Paulo, Brazil. The feasibility has also been studied to submit this population to recurrent selection, making it a continuous source of improved base material in support of varietal improvement of robusta. An experiment consisting of 21 open pollinated seedling progenies of robusta and four cultivars of arabica was established in Mococa (SP) in 1975. Yield was observed for twelve harvests and after the sixth harvest the plants were pruned. The experimental lay out was a balanced 5x5 quadruple lattice design, with six replicates and one plant per plot. In 2004 a phenotypic selection of this population for yield was carried out aiming at cloning the best individuals. These 28 clones were planted in an experiment in Campinas in 2005, following a completely randomized block design, with 28 treatments (clones), three replications and four plants per plot. In total, yields were collected over five harvests. Statistical and biometrical analyzes were performed considering the linear mixed models (REML/BLUP), through software Selegen, where the variance components are estimated by restricted maximum likelihood (REML) and genotypic values predicted by best linear unbiased prediction (BLUP). The analyzes showed that the population had high genetic variability, which can be exploited for the extraction of both clones and seedling progenies, used for recurrent selection. Selection was impaired by severe adverse weather conditions. In such situations it is preferable not to consider the affected period and analyze the data after recovery of the plants. Due to the moisture stress that occurred in the clonal trial, genotype x environment interaction was complex. However this did not affect the ranking of superior clones nor compromised the genetic parameter estimates. Selection for yield based on six yield resulted in genetic parameters and genetic gains similar to those obtained by selection based on two high yielding harvesting periods. The expected genetic gains both for clones as for open pollinated progenies were high. However, clonal selection resulted in higher genetic gains for yield than the seedling selection. In the clonal experiment it was possible to identify materials with high yield potential that may become to be recommended for cultivation in São Paulo State. The experimental, genetics and relative coefficients of variation, should be analyzed together with the number of replications and selective accuracy. Recurrent selection should be conducted concurrently with the clonal selection program in order to avoid depletion of genetic variability and to impairthe breeding program aiming at the development of clonal cultivars. Considering that the initial population was composed of a small number of progeny, it will be important monitoring adequately the effective size and the inbreeding coefficient during recurrent selection cycles.

Em estudos longitudinais, repetidas observações de uma mesma variável resposta são coletadas na mesma unidade experimental, em diferentes ocasiões. Como diferentes observações são realizadas na mesma unidade, espera-se que estas sejam correlacionadas, e que exista uma heterogeneidade de variâncias nas diferentes ocasiões. Dados longitudinais multivariados são obtidos quando um conjunto de diferentes variáveis respostas são mensuradas na mesma unidade experimental repetidas vezes ao longo do tempo; nesse caso, além da correlação entre observações realizadas na mesma unidade experimental, deve-se considerar também a correlação entre diferentes variáveis respostas. Uma forma de analisar dados longitudinais bivariados é empregar um modelo misto para cada uma das variáveis respostas e uni-los em um modelo misto bivariado especificando a distribuição conjunta para os efeitos aleatórios. As estimativas dos parâmetros desta distribuição comum podem ser usadas para avaliar a relação entre as diferentes respostas. Para exemplificar a utilização da técnica, foram utilizados dados de armazenamento de leite UAT. Os modelos lineares mistos bivariados foram ajustados por meio do software SAS e a análise gráfica foi realizada por meio do software R. Para seleção dos modelos empregou-se os Critérios de Informação de Akaike (AIC) e Bayesiano (BIC), e o teste da razão de verossimilhanças para comparação de modelos encaixados. A utilização do modelo linear misto bivariado permitiu modelar a heterogeneidade de variâncias entre ocasiões e a correlação entre diferentes medidas na mesma unidade experimental, bem como a correlação entre as variáveis respostas. / In longitudinal studies, repeated measurements of a response variable are taken in the same experimental unit over time. . Since different observations are measured on the same experimental unit, it is expected that there is correlation among the repeated measurements and heterogeneity of variances in different occasions. Multivariate Longitudinal Data are obtained when we measure a number of different response variables in the same experimental unit repeatedly over time; in this case, we should also observe a correlation between the different response variables. One way to analyze bivariate longitudinal data is to use a mixed model for each of the response variables, and unite them in bivariate mixed models specifying the joint distribution for random effects. Parameter estimates of this common distribution may be used to evaluate the relationship between different responses. As an example of the use of the technique, UHT milk storage data were used. Models were fitted using SAS software and the graphical analysis was done with software R. To model selection, Akaike Information Criterion (AIC) and Bayesian Information Criterion (BIC) were used, and maximum likelihood ratio test was used to compare nested models. The use of bivariate mixed linear model allowed to model the heteroscedasticity of the occasions, the correlation between the different measurements in the same experimental unit and also the correlation between the different response variables.

Orientador: Víctor Hugo Lachos Dávila / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matemática Estatística e Computação Científica / Made available in DSpace on 2018-08-26T02:34:17Z (GMT). No. of bitstreams: 1 GalvisSoto_DianaMilena_D.pdf: 1208980 bytes, checksum: edbc193912a2a800da4936526ed79fa3 (MD5) Previous issue date: 2014 / Resumo: Dados no intervalo (0,1) geralmente representam proporções, taxas ou índices. Porém, é possível observar situações práticas onde as proporções sejam zero e/ou um, representando ausência ou presença total da característica de interesse. Nesses casos, os modelos que analisam o efeito de covariáveis, tais como a regressão beta, beta retangular e simplex não são convenientes. Com o intuito de abordar este tipo de situações, considera-se como alternativa aumentar os valores zero e/ou um ao suporte das distribuições previamente mencionadas. Nesta tese, são propostos modelos de regressão de efeitos mistos para dados de proporções aumentados de zeros e uns, os quais permitem analisar o efeito de covariáveis sobre a probabilidade de observar ausência ou presença total da característica de interesse, assim como avaliar modelos com respostas correlacionadas. A estimação dos parâmetros de interesse pode ser via máxima verossimilhança ou métodos Monte Carlo via Cadeias de Markov (MCMC). Nesta tese, será adotado o enfoque Bayesiano, o qual apresenta algumas vantagens em relação à inferência clássica, pois não depende da teoria assintótica e os códigos são de fácil implementação, através de softwares como openBUGS e winBUGS. Baseados na distribuição marginal, é possível calcular critérios de seleção de modelos e medidas Bayesianas de divergência q, utilizadas para detectar observações discrepantes / Abstract: Continuous data in the unit interval (0,1) represent, generally, proportions, rates or indices. However, zeros and/or ones values can be observed, representing absence or total presence of a carachteristic of interest. In that case, regression models that analyze the effect of covariates such as beta, beta rectangular or simplex are not appropiate. In order to deal with this type of situations, an alternative is to add the zero and/or one values to the support of these models. In this thesis and based on these models, we propose the mixed regression models for proportional data augmented by zero and one, which allow analyze the effect of covariates into the probabilities of observing absence or total presence of the interest characteristic, besides of being possivel to deal with correlated responses. Estimation of parameters can follow via maximum likelihood or through MCMC algorithms. We follow the Bayesian approach, which presents some advantages when it is compared with classical inference because it allows to estimate the parameters even in small size sample. In addition, in this approach, the implementation is straightforward and can be done using software as openBUGS or winBUGS. Based on the marginal likelihood it is possible to calculate selection model criteria as well as q-divergence measures used to detect outlier observations / Doutorado / Estatistica / Doutora em Estatística

Este é um trabalho proveniente de vários encontros com pesquisadores da Embrapa de Campinas, cujo objetivo principal se centrou em investigar a probabilidade de frutificação em árvores de Café Arábica. Para isso foram analisados 20 bancos de dados para árvores de Café Arábica de um cultivar localizado no Instituto Agronômico do Paraná em dois momentos distintos (Junho de 2010 e em Novembro - Dezembro de 2010) e consideradas as seguintes variáveis: \"OCUPAÇÃO\" (quadrática ou retangular), \"ESPAÇAMENTO\" (6.000 plantas/ha e 10.000 plantas/ha) ambas relativas ao cultivo das plantas e \"TAMANHO DO ENTRENÓ\" (medição em cm de uma partição definida da planta). Na busca de um modelo representativo de tal fenômeno, foram estudadas paralelamente tópicos relativos a alometria e assimetria dessas mesmas plantas, os quais permitiram modelar determinadas associações entre algumas estruturas como largura e comprimento de folhas. Os modelos ajustados apresentaram uma grande significância para a variável \"ESPAÇAMENTO\" nos dois tempos estudados, enquanto que a variável \"OCUPAÇÃO\" foi significativa apenas no segundo tempo e variável \"TAMANHO DO ENTRENÓ\" não foi significativa para nenhum dos tempos. A metodologia adotada para investigar essa probabilidade se deu através dos modelos de regressão logístico. Com o intuito de agregar a variável \"TEMPO\", juntou-se os dois bancos de dados em diferentes tempos e, baseado na metodologia de modelos mistos, obteve-se um modelo ajustado com retas paralelas, onde apenas a variável \"ESPAÇAMENTO\" foi considerada significativa. / This work is based on several meetings with Embrapa researchers from Campinas in an integrated study with professors from the ESALQ Department of Statistics and Agronomic Experimentation, whose main objective was to investigate the probability of fruiting in Arabica Coffee trees. In order to do so, it was analyzed 20 databases for Coffee trees of a cultivar located at the Agronomic Institute of Paraná at two different times (June 2010 and November - December 2010), where the following variables were considered: \"OCCUPATION \"(quadratic or rectangular),\"SPACING \"(6,000 plants / ha and 10,000 plants / ha), both related to plant cultivation and \"SIZE OF ENTRENO\"( measured in cm of a defined plant partition). In order to find a representative model of this phenomenon, topics related to allometry and asymmetry of these same plants were studied in parallel, which allowed to model certain associations between some structures such as width and length of leaves. The adjusted models presented a great significance for the variable \"SPACING\"in the two studied times, whereas the variable \"OCCUPATION\"was significant only in the second time and the variable \"SIZE OF THE ENTRENÓ\"was not significant for any of the times. The methodology used to investigate this probability was based on logistic regression models. In order to aggregate the variable \"TIME\", the two databases were combined at different times and, based on the methodology of mixed models, a model adjusted with parallel lines was obtained, where only the variable \"SPACING\"was considered significant.

A tropical forage breeding program contains several peculiarities, especially when it involves polyploid species and facultative apomixis. Despite their importance, there is still a lack of information on genetic studies of critical forage traits and on the employment of genomic tools when compared to other crops and temperate forages. The genus Brachiaria is the most important for forage in tropical regions mainly beef production. The commercial species in this genus are excellent perennial forage, and the identification of superior genotypes depends on the selection of many characteristics under complex genetic control, with high cost and time-consuming evaluation. Therefore, the knowledge about uses and applications of classic and genomic tools in forage traits may be useful to support breeding programs and the development of new cultivars. In this context, the aim was to evaluate several different classic and genomic tools to be employed as selection strategies in a traditional tropical forage breeding program. A panel of tetraploid hybrids obtained from crossing Urochloa brizantha x Urochloa ruziziensis was phenotyped and genotyped to evaluate genetic parameters and perform genomic studies. The classic phenotypic analysis showed no clear trend of the importance of additive and non-additive genetics effects for agronomical and nutritional traits. The Mulamba and Mock index should be used in the univariate level, due to the promotion of a more balanced response to selection for all traits in the multivariate selection. In the genomic extraction and evaluations, the reads that were aligned to a \'mock\' reference genome, created from GBS data of the cultivar \'Marandu\', had more SNP discovered compared to the closest true reference genomes, Setaria viridis and S. italica. We recommended different thresholds of sample depth and genotype quality (GQ) to eliminate poor quality reads without introducing genotype bias. Cross-validation revealed that missing genotypes were imputed with a median accuracy of 0.85 using Random Forest algorithm to produce a complete genotype matrix, regardless of heterozygote frequency. The genome-wide association analysis (GWAS) revealed candidate genes associated with many tropical forage traits across all cutting seasons, which could be the first step toward marker-assisted selection (MAS). Moreover, our results suggest that accounting for allele dosage is essential, since the tetraploid level provided more information about the true biological state. Therefore, our findings revealed the complexity of the genetic architecture of Urochloa spp. traits and provided important insights towards the application of GWAS in polyploids species. The genomic selection analysis revealed that GBLUP-A (additive) and GBLUP-AD (additive + dominance) showed similar prediction abilities considering both single and multi-trait models. Conversely, combining GBLUP-AD and tetraploid information could improve the selection coincidence. Furthermore, the multi-trait validation scheme 2 (VS2), where one trait is not evaluated for some individuals, provided an increment of up to 30% to the prediction ability. Therefore, it is an useful strategy for traits with low heritability. Overall, all genomic selection models considered provided greater genetic gains than the phenotypic selection. Similarly, the allele dosage associated with additive, dominance and multi-trait factors increased the accuracy of genomic prediction models for interspecific polyploid hybrids. Finally, genomic tools should be used in forages breeding programs in order to reduce cost and time. / Um programa de melhoramento de forragem tropical contém várias peculiaridades, especialmente quando se trata de espécies poliplóides e de apomixia facultativa. Apesar de sua importância, atualmente, faltam informações sobre estudos genéticos de características forrageiras e sobre o emprego de ferramentas genômicas quando comparadas a outras culturas e forragens de clima temperado. O gênero Brachiaria é o mais importante para formação de pastagens nas regiões tropicais, principalmente para produção de carne bovina. As espécies comerciais deste gênero são excelentes forrageiras perenes, e a identificação de genótipos superiores depende da seleção de muitas características sob controle genético complexo, com alto custo e avaliação demorada. Portanto, o conhecimento sobre usos e aplicações de ferramentas clássicas e genômicas em características forrageiras pode ser útil para apoiar programas de melhoramento e o desenvolvimento de novas cultivares. Nesse contexto, objetivou-se avaliar diversas ferramentas clássicas e genômicas a serem empregadas como estratégias de seleção em um programa tradicional de melhoramento de forrageiras tropicais. Um painel de híbridos tetraplóides obtidos do cruzamento Urochloa brizantha x Urochloa ruziziensis foi fenotipado e genotipado para avaliar parâmetros genéticos e realizar estudos genômicos. Para a análise fenotípica clássica, concluímos que não havia uma tendência clara da importância dos efeitos genéticos aditivos e não-aditivos para características agronômicas e nutricionais. O índice de Mulamba e Mock deve ser usado no nível univariado, devido à promoção de uma resposta mais equilibrada à seleção para todas as características na seleção multivariada. Na extração e nas avaliações genômicas, as leituras que foram alinhadas ao genoma de referência \'simulado\', criado a partir dos dados de GBS da cultivar \'Marandu\', tiveram a maior porcentagem de descoberta de marcadores SNP comparado aos genomas de referência mais próximos, Setaria viridis e S. italica. Recomendamos diferentes limiares de profundidade de leitura e qualidade de genótipo (GQ) para eliminar leituras de baixa qualidade sem introduzir viés de chamada de genótipo. A validação cruzada revelou que os genótipos ausentes foram imputados com uma precisão mediana de 0,85 pelo algoritmo Random Forest para produzir uma matriz genotípica completa, independentemente da frequência de heterozigotos. A análise de associação genômica ampla (GWAS) revelou genes candidatos associados a muitas características forrageiras tropicais, o que poderia ser o primeiro passo em direção à seleção assistida por marcadores (MAS). Além disso, nossos resultados sugerem que a contabilização da dosagem alélica é essencial, uma vez que o nível tetraploide fornece mais informações sobre o verdadeiro estado biológico. Portanto, nossos achados revelam a complexidade da arquitetura genética de características de Urochloa spp. e fornecem informações importantes para a aplicação de GWAS em espécies poliploides. A análise de seleção genômica revela que o GBLUP-A (aditivo) e o GBLUP-AD (aditivo + dominância) mostraram capacidades de predição semelhantes, considerando tanto os modelos simples quanto os multi-característica. Por outro lado, combinando-se GBLUP-AD e informação tetraploide foi possível melhorar a coincidência de seleção. Além disso, o esquema de validação multi-característica 2 (VS2), onde uma característica não é avaliada para alguns indivíduos, pode fornecer um incremento de até 30% da capacidade de previsão. Portanto, é uma estratégia útil para características com baixa herdabilidade. No geral, todos os modelos de seleção genômica considerados proporcionaram maiores ganhos genéticos do que a seleção fenotípica tradicional. Da mesma forma, a dosagem do alelo associado a fatores aditivos, de dominância e multicaracteres aumentou a acurácia dos modelos genômicos de predição para híbridos poliploides interespecíficos. Finalmente, ferramentas genômicas devem ser utilizadas em programas de melhoramento de forragens para reduzir custos e tempo.

The use of molecular markers allows an increase in efficiency of the selection as well as better understanding of genetic resources in breeding programs. However, with the increase in the number of markers, it is necessary to process it before it can be ready to use. Also, to explore Genotype x Environment (GE) in the context of genomic prediction some covariance matrices needs to be set up before the prediction step. Thus, aiming to facilitate the introduction of genomic practices in the breeding program pipelines, we developed two R-packages. The former is called snpReady, which is set to prepare data sets to perform genomic studies. This package offers three functions to reach this objective, from organizing and apply the quality control, build the genomic relationship matrix and a summary of a population genetics. Furthermore, we present a new imputation method for missing markers. The latter is the BGGE package that was built to generate kernels for some GE genomic models and perform predictions. It consists of two functions (getK and BGGE). The former is helpful to create kernels for the GE genomic models, and the latter performs genomic predictions with some features for GE kernels that decreases the computational time. The features covered in the two packages presents a fast and straightforward option to help the introduction and usage of genome analysis in the breeding program pipeline. / O uso de marcadores moleculares permite um aumento na eficiência da seleção, bem como uma melhor compreensão dos recursos genéticos em programas de melhoramento. No entanto, com o aumento do número de marcadores, é necessário o processamento deste antes de deixa-lo disponível para uso. Além disso, para explorar a interação genótipo x ambiente (GA) no contexto da predição genômica, algumas matrizes de covariância precisam ser obtidas antes da etapa de predição. Assim, com o objetivo de facilitar a introdução de práticas genômicas nos programa de melhoramento, dois pacotes em R foram desenvolvidos. O primeiro, snpReady, foi criado para preparar conjuntos de dados para realizar estudos genômicos. Este pacote oferece três funções para atingir esse objetivo, organizando e aplicando o controle de qualidade, construindo a matriz de parentesco genômico e com estimativas de parâmetros genéticos populacionais. Além disso, apresentamos um novo método de imputação para marcas perdidas. O segundo pacote é o BGGE, criado para gerar kernels para alguns modelos genômicos de interação GA e realizar predições genômicas. Consiste em duas funções (getK e BGGE). A primeira é utilizada para criar kernels para os modelos GA, e a última realiza predições genômicas, com alguns recursos especifico para os kernels GA que diminuem o tempo computacional. Os recursos abordados nos dois pacotes apresentam uma opção rápida e direta para ajudar a introdução e uso de análises genômicas nas diversas etapas do programa de melhoramento.

Neste trabalho são apresentadas algumas extensões de modelos de sobrevivência com fração de cura, assumindo o contexto em que as observações estão agrupadas. Dois efeitos aleatórios são incorporados para cada grupo: um para explicar o efeito no tempo de sobrevida das observações suscetíveis e outro para explicar a probabilidade de cura. Apresenta-se uma abordagem clássica através dos estimadores REML e uma abordagem bayesiana através do uso de processos de Dirichlet. Discute-se alguns estudos de simulação em que avalia-se o desempenho dos estimadores propostos, além de comparar as duas abordagens. Finalmente, ilustram-se os resultados com dados reais. / In this work some extensions in survival models with cure fraction are presented, assuming the context in which the observations are grouped into clusters. Two random effects are incorporated for each group: one to explain the effect on survival time of susceptible observations and another to explain the probability of cure. A classical approach through the REML estimators is presented as well as a bayesian approach through Dirichlet Process. Besides comparing both approaches, some simulation studies which evaluates the performance of the proposed estimators are discussed. Finally, the results are illustrated with a real database.

Este trabalho apresenta um estudo de inferência e diagnósticos em modelos assimétricos. A análise de influência é baseada na metodologia para modelos com dados incompletos, que é relacionada ao algoritmo EM (Zhu e Lee, 2001). Além dos modelos de regressão Normal Assimétrico (Azzalini, 1999) e t-Normal Assimétrico (Gómez, Venegas e Bolfarine, 2007) existentes, são desenvolvidas duas novas classes de modelos, denominados modelos de misturas de escala normal assimétricos (englobando as distribuições Normal, t-Normal, Slash, Normal-Contaminada e Exponencial-potência Assimétricas) e modelos lineares mistos robustos assimétricos, utilizando distribuições de misturas de escalas normais assimétricas para o efeito aleatório e distribuições de misturas de escalas para o erro aleatório. Para o modelo misto, a matriz de informação de Fisher observada é calculada utilizando a aproximação de Louis (1982) para dados incompletos. Para todos os modelos, algoritmos tipo EM são desenvolvidos de forma a fornecer uma solução numérica para os parâmetros dos modelos de regressão. Para cada modelo de regressão, medidas de bondade de ajuste são realizadas via inspeção visual do gráfico de envelope simulado. Para os modelos de misturas de escalas normais assimétricos, um estudo de robustez do algoritmo EM proposto é desenvolvido, determinando a eficácia dos estimadores apresentados. Aplicações dos modelos estudados são realizadas para os conjuntos de dados do Australian Institute of Sports (AIS), para o conjunto de dados sobre qualidade de vida de pacientes (mulheres) com câncer de mama, em um estudo realizado pelo Centro de Atenção Integral à Saúde da Mulher (CAISM) em conjunto com a Faculdade de Ciências Médicas, da Universidade Estadual de Campinas e para o conjunto de dados de colesterol de Framingham. / This work presents a study of inference and diagnostic in asymmetric models. The influence analysis is based in the methodology for models with incomplete data, that is related to the algorithm EM (Zhu and Lee, 2001). Beyond of the existing asymmetric normal (Azzalini, 1999) and t-Normal asymmetric (Gómez, Venegas and Bolfarine, 2007) regression models, are developed two new classes of models, namely asymmetric normal scale mixture models (embodying the asymmetric Normal, t-Normal, Slash, Contaminated-Normal and Power-Exponential distributions) and asymmetric robust linear mixed models, utilizing asymmetric normal scale mixture distributions for the random effect and normal scale mixture distributions for the random error. For the mixed model, the observed Fisher information matrix is calculated using the Louis\' (1982) approach for incomplete data. For all models, EM algorithms are developed, that provide a numeric solution for the parameters of the regression models. For each regression model, measures of goodness of fit are realized through visual inspection of the graphic of simulated envelope. For the asymmetric normal scale mixture models, a study of robustness of the proposed EM algorithm is developed to determine the efficacy of the presented estimators. Applications of the studied models are made for the data set of the Australian Institute of Sports (AIS), for the data set about quality of life of patients (women) with breast cancer, in a study made by Centro de Atenção Integral à Saúde da Mulher (CAISM) in conjoint with the Medical Sciences Faculty, of the Campinas State\'s University and for the data set of Framingham\'s cholesterol study.