Busca avançada
Ano de início
Entree

Seleção genômica ampla e uso de marcadores moleculares pré-selecionados por meio de redes bayesianas em bovinos de corte utilizando modelos multicaracterísticos

Processo: 17/03221-9
Linha de fomento:Bolsas no Brasil - Pós-Doutorado
Vigência (Início): 01 de janeiro de 2018
Vigência (Término): 31 de dezembro de 2018
Área do conhecimento:Ciências Agrárias - Zootecnia - Genética e Melhoramento dos Animais Domésticos
Pesquisador responsável:Fernando Sebastián Baldi Rey
Beneficiário:Fernando Brito Lopes
Instituição-sede: Faculdade de Ciências Agrárias e Veterinárias (FCAV). Universidade Estadual Paulista (UNESP). Campus de Jaboticabal. Jaboticabal , SP, Brasil
Assunto(s):Melhoramento genético animal   Bovinos de corte

Resumo

Diferentes metodologias têm sido utilizadas para predição genomica, cujos modelos de regressão múltipla descrevem uma variável álvo com uma função linear de um conjunto ou subconjunto de covariáveis. Redes Bayesian têm oferecido ferramentas interessantes para uma representação mais parcimoniosa da distribuição conjunta de um grupo de variáveis, que podem ser úteis em termos de predição, por exemplo, o uso de Markov Blanket (MB) da uma variável álvo. Os estudos de predição do genoma têm sido focados principalmente em análises unicaracterísticas. No entanto, a maioria das características de interesse econômico é geneticamente correlacionada, com isso espera-se aumentar a acurácia de predição dos valores genéticos utilizando modelos multi-característicos. Destarte, este estudo será realizado para avaliar a acurácia de predição genômica de características relacionadas à qualidade da cane e da carcaça em bovinos Nelore utilizando modelo multi-característico em dois cenários diferentes: i) predição genoma ampla utilizando todas as informações disponíveis de marcadores moleculares do tipo SNP; e ii) predição genômica usando subconjunto de marcadores SNP selecionados por meio de MB. Serão utilizadas informações fenotípicas e genotípicas de 8.000 bovinos da raça Nelore. Os animais foram genotipados usando painel de SNP de baixa densidade, e subsequentemente imputados para 54k e 777k SNPs. O método de aprendizado do MB será usado para identificar um conjunto mínimo de marcadores moleculares associados com as características de carcaça e qualidade de carne. Serão utilizadas quatro diferentes especificações Bayesianas de modelos de regressão genômica: Bayes A, Bayes B, Bayes CÀ e Bayes R, as quais serão comparadas em termos de acurácia de predição usando uma validação cruzada em cinco subamostragens. Os resultados deste estudo permitirão o acesso ao impacto da informação genômica sobre as avaliações genéticas em bovinos de corte usando modelo de multi-característico, o que tem se mostrado vantajoso em relação aos modelos univariados, pois leva é considerada o processo de seleção através do uso de várias características ao mesmo tempo. Portanto, este projeto avaliará a viabilidade técnica e econômica de análises genômicas realizadas por meio de modelos multi-característico, utilizando informações genômicas e de pedigree.

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
OLIVIERI, BIANCA FERREIRA; BRAZ, CAMILA URBANO; LOPES, FERNANDO BRITO; PERIPOLLI, ELISA; DE OLIVEIRA SILVA, RAFAEL MEDEIROS; PEREIRA DA SILVA CORTE, ROSANA RUEGGER; DE ALBUQUERQUE, LUCIA GALVAO; CRAVO PEREIRA, ANGELICA SIMONE; STAFUZZA, NEDENIA BONVINO; BALDI, FERNANDO. Differentially expressed genes identified through RNA-seq with extreme values of principal components for beef fatty acid in Nelore cattle. JOURNAL OF ANIMAL BREEDING AND GENETICS, MAY 2020. Citações Web of Science: 0.
BRITO LOPES, FERNANDO; MAGNABOSCO, CLAUDIO U.; PASSAFARO, TIAGO L.; BRUNES, LUDMILLA C.; COSTA, MARCOS F. O.; EIFERT, EDUARDO C.; NARCISO, MARCELO G.; ROSA, GUILHERME J. M.; LOBO, RAYSILDO B.; BALDI, FERNANDO. Improving genomic prediction accuracy for meat tenderness in Nellore cattle using artificial neural networks. JOURNAL OF ANIMAL BREEDING AND GENETICS, FEB 2020. Citações Web of Science: 0.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.