Nome do Projeto
Aplicação de Modelos Lineares Mistos Com Informação Genômica No Melhoramento Genético
Ênfase
PESQUISA
Data inicial - Data final
03/01/2015 - 02/01/2017
Unidade de Origem
Coordenador Atual
Área CNPq
Ciências Exatas e da Terra - Probabilidade e Estatística - Probabilidade e Estatística Aplicadas
Resumo
Modelos lineares mistos que utilizam matrizes de parentesco genômicas poderiam prever os valores genéticos com mais precisão do que aqueles que usam valores genéticos esperados médios covariâncias genéticas derivados de pedigrees. Marcadores densas pode ser utilizado para rastrear a identidade por probabilidades descida a cada locus, e aqueles probabilidades utilizados para construir uma matriz de incidência. A matriz de incidência é utilizada para estimar a matriz de parentesco genômico (G), que é usado no lugar da matriz A para resolver as equações do modelo misto. Isso pode permitir uma estimativa mais precisa dos valores genéticos dos indivíduos do que o modelo tradicional, baseado em média de covariâncias genéticas. Estimar as covariâncias genéticas com base nos genótipos de marcadores bialélicos e incorporar essas estimativas em G-BLUP ajuda a caracterizar com mais precisão a segregação mendeliana dos alelos, e poderia permitir a seleção mais precisa dentro da família. Tal método poderia aumentar os ganhos genéticos em melhoramento genético florestal ( só florestal?). O maior impacto seria na redução da necessidade de testes de campo caros, mas também pode ser possível reduzir o ciclo de reprodução e, assim, aumentar o ganho genético por unidade de tempo e custo. O impacto das aplicações de seleção genômica no melhoramento de espécies florestais pode ser maior do que para outras culturas ou espécies de animais, por causa da biologia de árvores e os seus ciclos de reprodução muito mais longos.

Objetivo Geral

Este projeto tem por objetivo apresentar a abordagem sobre estimação e predição de parâmetros genéticos, advindos de dados com desbalanceamentos, aplicando-se o procedimento REML/BLUP (máxima verossimilhança restrita/ melhor predição linear não viciada) sem informação de parentesco, com informação de parentesco e com informação de matriz de parentesco genômica.

Equipe do Projeto

NomeCH SemanalData inicialData final
ELISIA RODRIGUES CORREA803/01/201502/01/2017
GEAN NASCIMENTO ROCHA1201/10/201231/07/2013
GIL CARLOS RODRIGUES MEDEIROS803/01/201502/01/2017
GISELDA MARIA PEREIRA803/01/201502/01/2017

Página gerada em 29/03/2024 08:28:21 (consulta levou 0.035818s)