Redes neurais artificiais na predição do valor genético

• Ano de defesa: 2013
• Autor(a) principal: Peixoto, Leonardo de Azevedo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; BR; Genética animal; Genética molecular e de microrganismos; Genética quantitativa; Genética vegetal; Me; Mestrado em Genética e Melhoramento; UFV
• Palavras-chave em Português: Redes neurais; Biometria; Análise multivariada; Neural networks; Biometrics; Multivariate Analysis; CNPQ::CIENCIAS BIOLOGICAS::GENETICA::GENETICA QUANTITATIVA
• Link de acesso: http://locus.ufv.br/handle/123456789/4786

Os objetivos do presente trabalho foram a partir das populações simuladas, fazer a replicação ou a ampliação de conjuntos populacionais, com as mesmas características pontuais de média, herdabilidade e coeficiente de variação e de estruturação (matriz de covariância ou de correlações), por meio da utilização da t écnica de decomposição espectral, e avaliar a eficiência da utilização das redes neurais artificiais na predição do valor genético em experimentos em blocos casualizados. O delineamento utilizado para simulação dos experimentos foi blocos casualizados contendo seis repetições. Foram simuladas 80 cenários, que possuíam valores estabelecidos para a média, a herdabilidade e coeficiente de variação experimental. Os experimentos simulados foram utilizadas para treinamento (experimento com 5000 genótipos) e validação (100 experimentos com 150 ou 200 genótipos para cada cenário). Para medir a eficiência da RNA na predição do valor genético comparou-se a correlação do valor de rede com o valor genético e a correlação do valor fenotípico com a valor genético. A média, herdabilidade, CV e a matriz de variância e covariância foram mantidos constantes em todos os experimentos simulados. Isso foi possível através da utilização da técnica de decomposição espectral. As redes neurais foram eficientes para predição do valor genético com ganho de 0,64 a 10,3% em relação ao valor fenotípico independente do tamanho de população utilizada, da herdabilidade ou do coeficiente de variação simulado. Assim concluiu-se que a preservação da matriz de variâncias e covariâncias de dados experimentais foi eficientemente realizada por meio do uso da decomposição espectral da matriz observada. Portanto os conjuntos de dados simulados podem ser utilizados para treinamento das RNAs mantendo as características da população original. Assim verificou-se que as RNAs é uma técnica mais eficiente na predição do valor genético em experimentos balanceados, quando comparado ao valor fenotípico (média).