Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2016-07-29T10:26:42Z
No. of bitstreams: 1
texto completo.pdf: 886084 bytes, checksum: 700517bd341297c23be0bbb3a9d8637b (MD5) / Made available in DSpace on 2016-07-29T10:26:42Z (GMT). No. of bitstreams: 1
texto completo.pdf: 886084 bytes, checksum: 700517bd341297c23be0bbb3a9d8637b (MD5)
Previous issue date: 2016-02-26 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Em programas de melhoramento, seja para predição do mérito genético individual ou para identificar regiões genômicas responsáveis por fenótipos de interesse econômico, o uso de informações dos marcadores SNPs (Single Nucleotide Polymorphisms) tem se tornado uma importante ferramenta e para tanto, diferentes métodos estatísticos têm sido empregados. Dentre os métodos comumente utilizados, destaca-se o método Lasso bayesiano (BLASSO) que, como as demais metodologias apresentadas na literatura, estima apenas o efeito dos marcadores em termos do valor médio da característica de interesse. Porém, em algumas situações, os fenótipos avaliados não possuem distribuição simétrica e, portanto, uma modelagem considerando a estimação dos efeitos de marcadores em diferentes níveis da variável de interesse pode ser mais adequada. Uma metodologia alternativa e ainda pouco explorada na seleção genômica, é a Regressão Quantílica Regularizada, a qual incorpora naturalmente o estudo de diferentes níveis da distribuição dos valores fenotípicos, bem como a seleção de variáveis e a regularização do processo de estimação. Diante do exposto, este trabalho propõe a utilização da Regressão Quantílica Regularizada, visando predizer os valores genéticos de suínos para as características de rendimento de carcaça (RCARC), espessura de bacon (EBACON) e espessura de toucinho imediatamente após a última costela na linha dorso-lombar (ETUC) em diferentes níveis da distribuição dessas variáveis. Os resultados obtidos por esta metodologia, em termos de acurácia, da classificação dos animais para seleção e efeitos de marcadores, foram comparados com aqueles advindos do método BLASSO. Para tanto, foram utilizados dados de uma população F 2, referente a 345 suínos, obtidos pelo cruzamento das raças Piau x Comercial. As funções quantílicas foram ajustadas para (r = 0,05 a r = 0,95 ), e para fins de comparação das metodologias, considerou-se nos ajustes via RQR além dos valores do parâmetro de encolhimento (λ) estimado a partir do método BLASSO, um grid de valores considerando valores variando de 0 até o valor fornecido pelo BLASSO, com intervalo de 0,5. Os modelos de regressão quantílica se apresentaram como uma alternativa interessante quando o interesse é predizer os valores genômicos dos animais, uma vez que os mesmos apresentaram valores de acurácia maiores ou iguais àqueles obtidos pelo BLASSO. Além disso, os resultados dos métodos para as variáveis ETUC e EBACON foram semelhantes e para RCARC foram diferentes no que se refere à classificação dos animais. Quanto ao padrão dos efeitos de marcadores, os resultados encontrados pelos métodos para as variáveis foram diferentes. / In breeding programs, used to predict the individual genetic merit or to identify genomic regions responsible for phenotypes of economic interest, the use of information from SNP markers (Single Nucleotide Polymorphisms) has become an important tool and due to it, different statistical methods have been employed. Among the methods commonly used for this purpose, the most used is the Bayesian Lasso method called BLASSO that, like other methods presented in the literature, only estimates the markers effect related to the average value of the characteristic of interest. However, in some situations, the evaluated phenotypes don’t have symmetrical distribution and thus a modeling considering estimation of the effect on markers in different levels of variable of interest may be more suitable. An alternative methodology and still not much explored in genomic selection, is the regularized quantile regression, which naturally includes the study of different levels of the phenotypic values distribution as well as the selection of variables and the regularization of the estimation process. Given the situation above, this paper proposes the use of regularized quantile regression, aiming to predict the genetic values of pigs for characteristics carcass yield (CY), bacon depth (BD) and midline backfat thickness immediately after the last rib dorsolumbar (LRBF) at different levels of the distribution of these variables. Moreover, the results obtained by this method, in terms of accuracy of classification and selection of animals for significance markers are compared with those arising from the usual method, (BLASSO). To obtain this result, we used data from an F 2 population of 345 pigs, obtained by crossing the Piau x Commercial race. The quantile functions were adjusted for (r = 0.05 to r = 0.95) and for comparison of methodologies, considered in RQR via adjustments in addition to the values of the shrinkage parameter (λ) estimated from the BLASSO method, a grid values are values ranging from 0 to the value provided by BLASSO with an interval of 0,5. The quantile regression models were presented as an interesting alternative when interest is to predict the genomic values of the animals, since they had higher accuracy than or equal to those obtained by BLASSO. Moreover, the results of the methods for LRBF and BD variables were similar and were CY different as regards the classification of the animals. Regarding the pattern of markers effects, the results found by the methods for the variables were different.
Identifer | oai:union.ndltd.org:IBICT/oai:localhost:123456789/8260 |
Date | 26 February 2016 |
Creators | Santos, Patricia Mendes dos |
Contributors | Nascimento, Moysés, Silva, Fabyano Fonseca e, Nascimento, Ana Carolina Campana |
Publisher | Universidade Federal de Viçosa |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | English |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Source | reponame:Repositório Institucional da UFV, instname:Universidade Federal de Viçosa, instacron:UFV |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0023 seconds