Made available in DSpace on 2018-08-01T22:57:26Z (GMT). No. of bitstreams: 1
tese_10029_Dissertação Final Tiago de Souza Marçal.pdf: 1829947 bytes, checksum: 97df059fea5ce8331745b5840ac8d15c (MD5)
Previous issue date: 2016-06-30 / O milho (Zea mays L.) é uma espécie da família Poaceae, diplóide e alógama. Para esta cultura
verifica-se o aumento do vigor com o acúmulo de loci heterozigotos, justificando assim a produção
dos híbridos. Com o advento das drásticas previsões de mudanças climáticas e aumento
populacional para os próximos anos é necessária à adoção, desenvolvimento e aprimoração de
métodos que permitam maior eficiência na seleção e alcance de maior progresso genético em
programas de melhoramento de culturas de importância agrícola poderão auxiliar na mitigação dos
desafios para sustentar a segurança alimentar ainda neste século. Diante do exposto, este trabalho
teve por objetivo implementar os algoritmos de primeira e segunda derivadas para o método REML
(máxima verossimilhança restrita) em R, generalizáveis para diferentes modelos lineares mistos e
capazes de incorporar matrizes de parentesco. Além de avaliar o impacto de simplificações
matemáticas, matrizes esparsas, e diferentes taxas de erro de convergência na eficiência
computacional destes algoritmos, visando a minimização do custo computacional para viabilizar o
REML, em estudos com grande número de híbridos de milho e modelos complexos, em
computadores de configuração simples. Os dados experimentais utilizados neste trabalho foram
obtidos na safra 2013/14 em ensaio conduzido no delineamento de blocos aumentados com cinco
testemunhas e 3352 híbridos simples de milho na Embrapa (Empresa Brasileira de Pesquisa
Agropecuária) Milho e Sorgo situada em Sete Lagoas - MG. A variável analisada foi o rendimento
de grãos, sendo esta submetida a análise através de modelos mistos com e sem a incorporação do
pedigree utilizando-se diferentes algoritmos REML, em R, e a resposta computacional foi avaliada
quanto aos critérios de convergência, taxas de erro de convergência, matrizes esparsas,
computadores com diferentes capacidades de processamento, diferentes estimativas iniciais dos
componentes de variância e número crescente de passos EM (Expectation Maximization) nos
algoritmos combinados. Os algoritmos propostos foram equivalentes aos softwares testados
(ASReml, Selegen e lme4) quanto as estimativas dos componentes de variância, indicando a
coerência dos mesmos. Além disso, o uso de matrizes esparsas em associação com as otimizações
propostas diminuíram o custo computacional dos algoritmos utilizando os coeficientes de
determinação como critério de convergência e taxa de erro de convergência igual a 10-5. A
combinação híbrida do algoritmo EM, em dez passos, com o NR (Newton Raphson) reduziu o custo
computacional e aumentou o percentual de convergência médio. Ainda observou-se que pesos
uniformes para as estimativas iniciais dos componentes de variância devem ser evitados.
| Identifer | oai:union.ndltd.org:IBICT/oai:dspace2.ufes.br:10/7836 |
| Date | 30 June 2016 |
| Creators | MARCAL, T. S. |
| Contributors | PASTINA, M. M., GUIMARAES, L. J. M., SOUZA, T. S., SANTOS, P. H. A. D., FERREIRA, A. |
| Publisher | Universidade Federal do Espírito Santo, Mestrado em Genética e Melhoramento, Programa de Pós-Graduação em Genética e Melhoramento, UFES, BR |
| Source Sets | IBICT Brazilian ETDs |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFES, instname:Universidade Federal do Espírito Santo, instacron:UFES |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0128 seconds