Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2017-02-10T15:27:44Z No. of bitstreams: 1 texto completo.pdf: 777562 bytes, checksum: 11f688a1703ac8135b33f98491793bf3 (MD5) / Made available in DSpace on 2017-02-10T15:27:44Z (GMT). No. of bitstreams: 1 texto completo.pdf: 777562 bytes, checksum: 11f688a1703ac8135b33f98491793bf3 (MD5) Previous issue date: 2016-07-29 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / A seleção genômica tornou-se ferramenta bastante útil no auxílio ao melhoramento animal e vegetal, contudo este cenário tem requerido modelos com alta capacidade de predição. Neste contexto a inclusão de efeitos não aditivos e também de interação GxA em modelos GBLUP desponta como possível fonte de melhoria de capacidade predição em estudos de seleção genômica. Em conformidade com esta demanda, o objetivo com este trabalho foi verificar se a inclusão do efeito de dominância e seu respectivo efeito de interação com o ambiente aumentaria a habilidade de predição do modelo G-BLUP. Foram comparados modelos com e sem inclusão de efeitos de dominância sob interação GxA. Para as análises foram utilizados dados reais e simulados. Os dados simulados consistiram de 923 indivíduos avaliados em três ambientes sob diferentes herdabilidades no sentido amplo, herdabilidades no sentido restrito, níveis de dominância e correlações genéticas e residuais. Os dados reais provêm de 923 indivíduos de Pinus taeda L. genotipados e fenotipados para característica altura em quatro localidades dos Estados Unidos da América. Os resultados demonstraram haver ligeiro incremento na habilidade de predição (em validações entre e dentro de ambientes) quando utilizado o modelo com inclusão do efeito de dominância e também o efeito de interação dominância por ambiente, contudo conclui-se que o modelo aditivo dominante teve performance estatisticamente igual ao modelo aditivo sob interação GxA. / Genomic selection has become very useful tool in helping to animal and plant breeding, however this scenario has required models with high predictive ability. In this context the inclusion of non-additive effects and GxE interaction in GBLUP models is emerging as a possible source for improve the predictions of genomic selection. In line with this demand, the aim of this study was to evaluate the effect of inclusion of dominance effect and also the additive and dominance by environment interaction in genomic prediction. We compared models with and without inclusion of dominance effects in GxE interaction. For the analyzes, real and simulated data were used. The simulated data consisted in 923 individuals evaluated in three environments under different broad-sense heritability, narrow-sense heritability, dominance levels and genetic and residual correlations. The real data comes from 923 individuals of Pinus taeda L. genotyped and phenotyped to hight in four locations of United States. The results demonstrated a slight increase in predictive ability (in validations within and across environments) when using model with inclusion of dominance effect and the interaction effect dominance by environment, but we concluded that the additive and dominance model had a performance statistically equal to the additive model under GxE interaction.