Search

Quantile Random Forest (QRF) is a non-parametric methodology that combines the advantages of Random Forest (RF) and Quantile Regression (QR). Specifically, this approach can explore non-linear functions, determining the probability distribution of a response variable and extracting information from different quantiles instead of just predicting the mean. This evaluated the performance of the QRF in the genomic prediction for complex traits (epistasis and dominance). In addition, compare the accuracies obtained with those derived from the G-BLUP. The simulation created an F2 population with 1,000 individuals and genotyped for 4,010 SNP markers. Besides, twelve traits were simulated from a model considering additive and non-additive effects, QTL (Quantitative trait loci) numbers ranging from eight to 120, and heritability of 0.3, 0.5, or 0.8. For training and validation, the 5-fold cross-validation approach was used. For each fold, the accuracies of all the proposed models were calculated: QRF in five different quantiles and three G-BLUP models (additive effect, additive and epistatic effects, additive and dominant effects). Finally, the predictive performance of these methodologies was compared. In all scenarios, the QRF accuracies were equal to or greater than the methodologies evaluated and proved to be an alternative tool to predict genetic values in complex traits. RESUMO: Quantile Random Forest (QRF) é uma metodologia não paramétrica, que combina as vantagens do Random Forest (RF) e da Regressão Quantílica (QR). Especificamente, essa abordagem pode explorar funções não lineares, determinando a distribuição de probabilidade de uma variável resposta e extraindo informações de diferentes quantis em vez de apenas prever a média. O objetivo deste trabalho foi avaliar o desempenho do QRF em predizer o valor genético genômico para características com arquitetura genética não aditiva (epistasia e dominância). Adicionalmente, as acurácias obtidas foram comparadas com aquelas advindas do G-BLUP. A simulação criou uma população F2 com 1.000 indivíduos genotipados para 4.010 marcadores SNP. Além disso, doze características foram simuladas a partir de um modelo considerando efeitos aditivos e não aditivos, com número de QTL (Quantitative trait loci) variando de oito a 120 e herdabilidade de 0,3, 0,5 ou 0,8. Para treinamento e validação foi usada a abordagem da validação cruzada 5-fold. Para cada um dos folds foram calculadas as acurácias de todos os modelos propostos: QRF em cinco quantis diferentes e três modelos do G-BLUP (com efeito aditivo, aditivo e epistático, aditivo e dominante). Por fim, o desempenho preditivo dessas metodologias foi comparado. Em todos os cenários, as acurácias do QRF foram iguais ou superiores às metodologias avaliadas e mostrou ser uma ferramenta alternativa para predizer valores genéticos em características complexas.

A multiparental random mating population used in sorghum breeding is amenable for the detection of QTLs related to tropical soil adaptation, fine mapping of underlying genes and genomic selection approaches. Tropical soils where low phosphorus (P) and aluminum (Al) toxicity limit sorghum [Sorghum bicolor (L.) Moench] production are widespread in the developing world. We report on BRP13R, a multiparental random mating population (MP-RMP), which is commonly used in sorghum recurrent selection targeting tropical soil adaptation. Recombination dissipated much of BRP13R’s likely original population structure and average linkage disequilibrium (LD) persisted up to 2.5 Mb, establishing BRP13R as a middle ground between biparental populations and sorghum association panels. Genome-wide association mapping (GWAS) identified conserved QTL from previous studies, such as for root morphology and grain yield under low-P, and indicated the importance of dominance in the genetic architecture of grain yield. By overlapping consensus QTL regions, we mapped two candidate P efficiency genes to a ~ 5 Mb region on chromosomes 6 (ALMT) and 9 (PHO2). Remarkably, we find that only 200 progeny genotyped with ~ 45,000 markers in BRP13R can lead to GWAS-based positional cloning of naturally rare, subpopulation-specific alleles, such as for SbMATE-conditioned Al tolerance. Genomic selection was found to be useful in such MP-RMP, particularly if markers in LD with major genes are fitted as fixed effects into GBLUP models accommodating dominance. Shifts in allele frequencies in progeny contrasting for grain yield indicated that intermediate to minor-effect genes on P efficiency, such as SbPSTOL1 genes, can be employed in pre-breeding via allele mining in the base population. Therefore, MP-RMPs such as BRP13R emerge as multipurpose resources for efficient gene discovery and deployment for breeding sorghum cultivars adapted to tropical soils.

Submitted by Lucas Fernandes Rocha (lucas.f.rocha@unesp.br) on 2022-05-20T19:40:35Z No. of bitstreams: 1 tese-versaofinal_lucas_fernandes_rocha.pdf: 5683541 bytes, checksum: dd24ea6bdaab36a9f0b1e782bd5f2180 (MD5) Approved for entry into archive by Messias Victor Telles de Carvalho (messias.victor@unesp.br) on 2022-05-20T20:22:06Z (GMT) No. of bitstreams: 1 rocha_lf_dr_botfca.pdf: 5683541 bytes, checksum: dd24ea6bdaab36a9f0b1e782bd5f2180 (MD5) Made available in DSpace on 2022-05-20T20:22:06Z (GMT). No. of bitstreams: 1 rocha_lf_dr_botfca.pdf: 5683541 bytes, checksum: dd24ea6bdaab36a9f0b1e782bd5f2180 (MD5) Previous issue date: 2022-03-29 Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) O uso de marcadores moleculares amplamente distribuídos ao longo do genoma são uma ferramenta fundamental para otimizar programas de melhoramento florestal. Esta pesquisa teve como objetivos avaliar a arquitetura genética de caracteres quantitativos e otimizar modelos de seleção genômica de Eucalyptus grandis para variáveis de crescimento e qualidade da madeira. Dessa forma, foi avaliada uma população de polinização aberta de E. grandis composta por 1.772 genótipos e provenientes de 27 famílias estabelecidas usando um delineamento de blocos ao acaso com 20 plantas/parcela. Os indivíduos foram genotipados usando o chip Illumina Infinium EuCHIP60K e 12 caracteres fenotípicos foram avaliados e classificados em caracteres de crescimento (diâmetro à altura do peito, altura e volume aos três e seis anos após o plantio) e qualidade da madeira (produção de celulose pura, densidade básica da madeira, relação siringil/guayacil, lignina solúvel, sólidos totais e extrativos totais). Primeiramente, foi realizada uma análise de associação genômica ampla (GWAS) usando modelos mistos de single-trait (farmCPU) e multi-trait (MTMM). Em seguida, foram identificados lócus de caracteres quantitativos (QTLs) utilizando o banco de anotações para Eucalyptus. Posteriormente, a habilidade de predição, a coincidência de seleção e os ganhos de seleção de modelos de seleção genômica foram analisados utilizando a metodologia Genomic Best Linear Unbiased Prediction (GBLUP). Foram testadas diferentes abordagens considerando apenas a variância aditiva, as variâncias aditivas-dominantes, modelos de otimização da população de treinamento e modelos multi-trait. Finalmente, foi avaliado a efetividade da utilização de caracteres fenotípicos de crescimento para aumentar a habilidade de predição de caracteres de qualidade da madeira usando uma metodologia conjunta entre multi-trait e otimização da população de treinamento. Após o controle de qualidade, um total de 21.254 SNPs informativos foram encontrados com ampla distribuição e alto decaimento de desequilíbrio de ligação nos 11 cromossomos. Considerando a análise GWAS, o modelo farmCPU identificou 43 e 38 marcadores de pequeno efeito significativamente associados às variáveis nas classes crescimento e de qualidade da madeira, respectivamente. Semelhantemente, marcadores pleiotrópicos também foram identificados entre caracteres crescimento (24) e de qualidade da madeira (6) usando o modelo MTMM. A análise da ontologia genética identificou diversos genes responsáveis pelo crescimento celular e associados ao stress hídrico. Considerando a análise de seleção genômica, os caracteres de crescimento foram mais influenciados pela dominância. Por outro lado, os modelos GBLUP foram eficientes para predizer caracteres de qualidade da madeira. Embora a coincidência de seleção pareça ter valores baixos, os valores de ganhos de seleção encontrados foram relativamente altos. A análise otimização da população de treinamento foi eficiente para selecionar os melhores genótipos a serem utilizados como conjunto de treinamento. Adicionalmente, as análises multi-trait e multi-trait com otimização da população de treinamento também foram eficientes para aumentar a habilidade de predição dos modelos GBLUP. Dessa forma, o uso de informações do crescimento pode ser usado de forma eficiente para aumentar a habilidade de predição dos caracteres de qualidade da madeira. Nosso estudo demonstra que a natureza caracteres quantitativos fornece novas evidências para a arquitetura de genes relacionados à expressão de caracteres, bem como a eficiência de modelos seleção genômica para prever a expressão fenotípica em E. grandis. Molecular markers that are widely distributed throughout the genome offer a fundamental tool to optimize forest tree breeding programs. This study aimed to evaluate the genetic architecture of quantitative genes and optimize genomic selection models for growth and wood-quality traits of Eucalyptus grandis. We evaluated an open-pollinated breeding population with 1,772 genotypes, composed of 27 different families, that was established using complete randomized block design with 20 replicates each. Individuals were genotyped using the Illumina Infinium EuCHIP60K chip and 12 different phenotypic variables were evaluated for growth traits (diameter at breast height, height, and volume evaluated at 3 and 6 years after planting) and wood-quality traits (pure cellulose yield, basic wood density, syringyl/guayacil, soluble lignin, total solids, and total extractives). First, we performed a genome-wide association study (GWAS) using the single-trait model (farmCPU) and multi-trait (MTMM) mixed models. Next, we searched for quantitative trait loci (QTLs) and their predicted functional effects using a database for Eucalyptus. Subsequently, the accuracy of the prediction ability, coincidence of selection, and selection gains of genomic selection models were analyzed based on the Genomic Best Linear Unbiased Prediction (GBLUP) method. We tested different approaches considering the additive variance, additive-dominant variance, optimization of training set, and multi-trait models. Finally, we analyzed the efficiency of using growth traits to increase the prediction ability of wood-quality traits considering a multi-trait model with optimization of training set methodology. After quality control, a total of 21,254 informative SNPs were found that have a wide distribution and a high linkage disequilibrium decay across the 11 chromosomes. For the GWAS analysis, the farmCPU model identified 43 and 38 small effect markers that are significantly associated with growth and wood quality traits, respectively. Similarly, pleiotropic SNPs were also discovered between growth (24) and wood quality traits (6) using the MTMM model. Through gene ontology analysis, we identified genes responsible for plant growth and related with hydric stress. For the genomic selection analysis, growth traits appeared to be more influenced by dominance than wood quality traits, meanwhile GBLUP models were effective in predicting wood quality traits. Although the results for CS appear to be low, SG values were relatively high. The optimization of the training set analysis effectively selected the best genotypes to be used as the training set. Additionally, the multi-trait and multi-trait with optimization of the training set were also able to increase the prediction ability of the GBLUP models. Thus, information from growth traits can be used to effectively increase the prediction ability of wood quality traits. Our study demonstrates the complex nature of quantitative traits, provides new evidence for the architecture of genes related to trait expression, and highlights the efficiency of genomic selection models to predict phenotypic expression in E. grandis.

The world population is expected to be larger and wealthier over the next few decades and will require more animal products, such as milk and beef. Tropical regions have great potential to meet this growing global demand, where pasturelands play a major role in supporting increased animal production. Better forage is required in consonance with improved sustainability as the planted area should not increase and larger areas cultivated with one or a few forage species should be avoided. Although, conventional tropical forage breeding has successfully released well-adapted and high-yielding cultivars over the last few decades, genetic gains from these programs have been low in view of the growing food demand worldwide. To guarantee their future impact on livestock production, breeding programs should leverage genotyping, phenotyping, and envirotyping strategies to increase genetic gains. Genomic selection (GS) and genomewide association studies play a primary role in this process, with the advantage of increasing genetic gain due to greater selection accuracy, reduced cycle time, and increased number of individuals that can be evaluated. This strategy provides solutions to bottlenecks faced by conventional breeding methods, including long breeding cycles and difficulties to evaluate complex traits. Initial results from implementing GS in tropical forage grasses (TFGs) are promising with notable improvements over phenotypic selection alone. However, the practical impact of GS in TFG breeding programs remains unclear. The development of appropriately sized training populations is essential for the evaluation and validation of selection markers based on estimated breeding values. Large panels of single-nucleotide polymorphism markers in different tropical forage species are required for multiple application targets at a reduced cost. In this context, this review highlights the current challenges, achievements, availability, and development of genomic resources and statistical methods for the implementation of GS in TFGs. Additionally, the prediction accuracies from recent experiments and the potential to harness diversity from genebanks are discussed. Although, GS in TFGs is still incipient, the advances in genomic tools and statistical models will speed up its implementation in the foreseeable future. All TFG breeding programs should be prepared for these changes. Made available in DSpace on 2021-08-10T02:06:56Z (GMT). No. of bitstreams: 1 Genomic-selection-tropical.pdf: 2481038 bytes, checksum: c1c166bd9f912ae4d0970aee8c98aa94 (MD5) Previous issue date: 2021

Submitted by Sabrina Kluska (sabrina.kluska@unesp.br) on 2021-01-20T17:13:25Z No. of bitstreams: 1 TESE_SK.pdf: 14562635 bytes, checksum: 200c426713465413f54df53121b8c7d0 (MD5) Approved for entry into archive by Laudicélia Martins Arantes (lm.arantes@unesp.br) on 2021-01-20T23:22:08Z (GMT) No. of bitstreams: 1 kluska_s_dr_jabo.pdf: 14562635 bytes, checksum: 200c426713465413f54df53121b8c7d0 (MD5) Made available in DSpace on 2021-01-20T23:22:08Z (GMT). No. of bitstreams: 1 kluska_s_dr_jabo.pdf: 14562635 bytes, checksum: 200c426713465413f54df53121b8c7d0 (MD5) Previous issue date: 2021-01-06 Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) A busca por novas características e métodos capazes de incrementar o ganho genético em programas de melhoramento é constante. Com o advento da seleção genômica um grande progresso genético tem sido observado. Entretanto, a seleção genômica em animais cruzados, compostos ou populações multirraciais ainda é pouco difundida. Desta forma, os objetivos do presente estudo foram: i) Investigar o impacto do uso de diferentes matrizes de parentesco na avaliação genética de bovinos Montana; ii) Investigar o efeito do uso de metafundadores (MFs) e grupos de pais desconhecidos (UPG) na avaliação genética de bovinos Montana. Foram utilizados registros de 680.551 animais no pedigree, dos quais, 1899 foram genotipados com painéis de diferentes densidades e posteriormente imputados para o painel da Neogen GeneSeek® Genomic Profiler (GGP) com aproximadamente 30.000 SNPs. Informações fenotípicas de circunferência escrotal aos 12 meses de idade (SC12), ganho de peso pós desmame (PWG), peso à desmama (WW) e peso ao nascimento (BW) foram utilizadas. Quatro matrizes de parentesco distintas, e um modelo unicaracterística, foram utilizadas: 1) Matriz de parentesco aditivo baseada no pedigree (A); 2) Matriz de parentesco genômico, construída como no ssGBLUP default (G_1); 3) Matriz de parentesco genômico, centrada com base nas frequências alélicas dos grupos de tipo biológico ou de componentes principais (G_2); 4) Matriz de parentesco genômico, centrada e escalada com base nas frequências alélicas dos grupos de tipo biológico ou de componentes principais (G_3). Além disso, metafundadores e grupos de pais desconhecidos foram utilizados, os quais foram empregados em modelos multicaracterística BLUP e ssGBLUP. Foram testados modelos com quatro ou dez MFs e UPGs. UPGs foram adicionados na matriz H no ssGBLUP (ssGBLUP_UPG) ou apenas nas matrizes A^(-1) e A_22^(-1) (ssGBLUP_UPGA). Para a validação dos resultados, o método baseado em estatísticas de regressão linear (LR), e 436 animais com fenótipos omitidos, foram utilizados. Ajustes nas matrizes de parentesco genômico não foram capazes de captar maior proporção de variância genética aditiva em relação a variância fenotípica, ou seja, produzir maior herdabilidade. A adição da informação genômica, no modelo, em ambos os estudos, foi capaz de incrementar a estabilidade dos GEBVs. Contudo, a estabilidade dos GEBVs foi superior quando o modelo unicaracterística foi utilizado. Todos os parâmetros de comparação utilizados (estabilidade dos (G)EBVs, acurácia dos modelos, acurácia BIF, dispersão, viés, média dos (G)EBVs e correlação de Spearman) não indicaram nenhuma diferença significativa nas predições quando as matrizes de relacionamento genômico foram ajustadas com base em tipos biológicos ou grupos de componentes principais. As correlações de Spearman dos valores genéticos, entre os modelos baseados em pedigree e genômicos foram baixas, indicando mudanças no ranking dos animais quando a seleção é praticada com estes modelos. Entretanto, quando comparados os modelos genômicos, com G ajustada ou não, a correlação entre os GEBV foi alta, indicando pouca ou nenhuma mudança na classificação dos candidatos a seleção quando a seleção é realizada com base em qualquer um dos modelos genômicos. No geral a inclusão de UPGs nos modelos produziu estabilidade e dispersão similar aos demais modelos genômicos, entretanto, tendências genéticas viesadas foram observadas quando estes foram incluídos somente nas matrizes de parentesco baseado no pedigree. A inclusão de metafundadores no modelo não foi capaz de provocar mudanças consideráveis na estabilidade dos (G)EBVs em avaliações subsequentes, exceto para PWG, e dispersão dos modelos. Entretanto, os modelos com metafundadores, quatro ou dez, produziram um viés menor do que os demais modelos genômicos, e semelhante ao BLUP baseado no pedigree. Estes resultados indicam que o uso de metafundadores pode reduzir o viés das avaliações genômicas em bovinos Montana ao mesmo nível dos modelos baseados em pedigree, com acurácia levemente menor e correlação ou estabilidade dos (G)EBV similar ao ssGBLUP default. The search for new traits and methods able to increase the genetic gain in breeding programs is constant. With the advent of genomic selection, a great genetic progress has been observed, however the genomic selection in crossed animals, composite or multiracial populations is still not widespread. Thus, the aim of this study were: i) Investigate the impact of the use of different relationship matrices in the genetic evaluation of Montana cattle; ii) Investigate the effect of using metafounders (MFs) and unknown parents groups (UPG) on the genetic evaluation of Montana cattle. Records of 680,551 animals in the pedigree were available, of which 1,899 were genotyped with panels of different densities and subsequently imputed to the Neogen GeneSeek® Genomic Profiler (GGP) panel with around 30,000 SNPs. Phenotypic records of scrotal circumference at 12 months of age (SC12), postweaning weight gain (PWG), weaning weight (WW) and birth weight (BW) were available. Four distinct relationship matrices, and a single-trait model, were used: 1) Additive relationship matrix based on the pedigree (A); 2) Genomic relationship matrix, built as in the default ssGBLUP (G1); 3) Genomic relationship matrix, centered based on the specific-allele frequencies of the groups biological type groups or principal components (G2); 4) Genomic relationship matrix, centered and scaled based on the specific-allele frequencies of the groups of biological type or principal components (G3). In addition, metafounders and unknown parent groups were implemented in a multi-trait model at BLUP and ssGBLUP. Models with four or ten MFs and UPGs were tested. UPGs were added in the H matrix in ssGBLUP (ssGBLUP_UPG) or only in A^(-1) and A_22^(-1) (ssGBLUP_UPGA) matrices. For the validation, the method based on linear regression statistics (LR), and 436 animals with omitted phenotypes, were used. Adjustments in the genomic relationship matrices were not able to capture a greater proportion of additive genetic variance in relation to phenotypic variance, that is, to produce greater heritability. The addition of genomic information, in the model, in both studies, was able to increase the stability of the (G)EBVs. However, the stability of the (G)EBVs was higher when the single-trait model was used. All the comparison parameters used (stability of (G)EBVs, accuracy of models, BIF accuracy, dispersion, bias, mean of (G)EBVs and Spearman correlation) did not indicate any significant difference in predictions when the genomic relationship matrices were adjusted based on biological types or groups of principal components. Spearman's correlations of genetic values between pedigree-based and genomic models were low, indicating changes in the ranking of animals when selection is practiced with these models. However, when comparing the genomic models, with G adjusted or not, the correlation between the GEBVs was high, indicating little or no change in the classification of candidates for selection when the selection is made based on any of the genomic models. Overall, the inclusion of UPGs in the models produced a stability and dispersion similar to the other genomic models, however, biased genetic tendencies were observed when UPGs were considered only in the pedigree-based matrices. The inclusion of metafounders in the model was not able to produce considerable changes in the stability of (G)EBVs in two subsequent evaluations, except for PWG and dispersion of the models. However, the models with metafounders, either four or ten, produced a lower bias than the other genomic models, and similar to the BLUP based on the pedigree. These results indicate that the use of metafounders can reduce the bias of genomic predictions in Montana cattle to the same level as the pedigree-based models, with slightly less accuracy and correlation or stability of (G)EBV similar to the ssGBLUP default. FAPESP: 2019/05516-1 FAPESP: 2017/21573-0 CAPES 01

Tese (doutorado)—Universidade de Brasília, Instituto de Ciências Biológicas, Departamento de Biologia Celular, Programa de Pós-Graduação em Biologia Molecular, 2020. Fundação de Apoio à Pesquisa do Distrito Federal (FAP/DF). Araucaria angustifolia (Bertol.) Kuntze é uma conífera subtropical endêmica no sul e sudeste do Brasil e áreas menores na Argentina e no Paraguai. Essa espécie icônica destaca-se como uma das duas únicas gimnospermas nativas brasileiras, atualmente em risco de extinção e ainda essencialmente inexplorada do ponto de vista do melhoramento genético apesar de seu alto valor madeireiro. Neste trabalho investigamos a variação genética para características de crescimento de Araucaria angustifolia em um estudo envolvendo 122 famílias de 15 procedências de duas regiões brasileiras. Medidas coletadas nas idades de 7, 24, 32, 33 e 35 anos foram usadas para ajustar curvas de crescimento contínuo com base em modelos de efeito misto não-lineares para 2.158 árvores, fornecendo estimativas para idades não medidas no intervalo de 7-35. Os valores estimados coincidiram com os observados e uma redução do coeficiente de variação residual foi observada nos dados estimados, tornando as curvas estimadas mais confiáveis para prever padrões de crescimento. Procedências com grande potencial de melhoramento e conservação genética foram identificadas com adaptação variável para apoiar as mudanças climáticas e paisagísticas globais. Os dados de crescimento indicam claramente o potencial de seleção precoce de 7 a 10 anos, com 85% de precisão na seleção aos 35 anos e a possibilidade de encurtar a idade de rotação para 15 a 20 anos, selecionando os melhores indivíduos e famílias. Um programa de melhoramento moderno depende da disponibilidade de ferramentas de genotipagem de alto rendimento, que se tornou um pré-requisito não apenas para análises mais sofisticadas da diversidade e estrutura genética em populações naturais, mas também para a prática de melhoramento genético envolvendo reconstrução de parentesco e implementação da seleção genômica. Até o momento, estudos genéticos de populações naturais de araucária foram realizados usando dezenas de marcadores microssatélites limitando assim a capacidade de evoluir para investigações mais sofisticadas, e não existe nenhum estudo associando análises a marcadores moleculares e programas de melhoramento. Neste estudo, desenvolvemos um catálogo de 44.318 SNPs anotados para Araucaria angustifolia, os primeiros SNPs para o gênero, descobertos a partir dos dados de sequenciamento de RNAseq e RAD. A partir do catálogo SNP, um array Axiom® SNP com ~3.000 SNPs validados foi desenvolvido e usado para fornecer uma visão abrangente da diversidade genética e estrutura de 15 populações em toda a faixa de ocorrência natural da espécie. Das 22.983 sequências utilizadas, 15.144 possuem homologia com sequências já publicadas, e destas, 5.301 possuem homologia com Picea sitchensis, conífera de grande importância industrial e ecológica em países temperados. Ao comparar dados de microssatélites e SNP no mesmo conjunto de indivíduos de A. angustifolia, mostramos que os SNPs refletem com maior precisão os padrões reais de diversidade e estrutura genética em todo o genoma, desafiando avaliações anteriores baseadas em microssatélites. Além disso, os SNPs corroboraram o principal gradiente genético norte-sul conhecido, e permitiram uma atribuição mais precisa à diferenciação regional versus entre populações, indicando o potencial de selecionar marcadores informativos de ancestralidade. Também. Combinando os SNPs desenvolvidos e as curvas de crescimento ajustadas, este trabalho também teve como objetivo propor uma metodologia baseada na seleção genômica (GS) para acelerar o melhoramento genético de A. angustifolia. Foi utilizado um conjunto de 1.710 SNPs combinados com 26 SSRs, 857 plantas foram genotipadas com ambas as plataformas de marcadores. Utilizando dados de crescimento de 35 anos, foram observados componentes de variância aditiva, de dominância e epistática, sendo o primeiro o mais prevalente na expressão volumétrica do crescimento das árvores. Nossas descobertas mostram que é possível treinar modelos a partir dos 12 anos de idade visando a seleção indireta bem-sucedida de indivíduos aos 35 anos. Dado o longo tempo necessário para alcançar o crescimento máximo das árvores e a boa qualidade dos modelos, a SG foi muito competitiva com a seleção fenotípica abrindo excelentes oportunidades para estabelecer um programa de melhoramento economicamente viável e eficiente dessa icônica conífera brasileira. Esses resultados destacam o enorme potencial de expansão dos investimentos em silvicultura de melhoramento e plantio de A. angustifolia, com um aprimoramento concomitante dos esforços de conservação. Araucaria angustifolia (Bertol.) Kuntze is a subtropical coniferous tree endemic to southern and southeastern Brazil and smaller areas in Argentina and Paraguay. This iconic species stands out as one of the only two native Brazilian gymnosperms, currently at risk of extinction and still essentially unexplored from the point of view of genetic improvement despite its high logging value. In this study we investigated the genetic variation for growth traits of Araucaria angustifolia in a trial involving 122 families from 15 provenances from two Brazilian regions. Measurements at ages 7, 24, 32, 33 and 35 were used to adjust continuous growth curves based on nonlinear mixed-effect models for 2,158 trees, providing estimates for unmeasured ages in the 7-35 interval. Estimated values closely matched observed ones and a reduction of the coefficient of residual variation was observed in the estimated data, making the estimated curves more reliable to predict growth patterns. Provenances with great potential for breeding and genetic conservation were identified with variable adaptation to support global climate and landscape change. Growth data clearly indicates potential for early selection at age 7-10 with 85% accuracy of selection at age 35, and the possibility of shortening rotation age to 15-20 years by selecting the best individuals and families. A modern breeding program relies on the availability of high throughput genotyping tools, which became a prerequisite not only for more sophisticated analyses of diversity and genetic structure in natural populations but also for the practice of advanced breeding involving kinship reconstruction and implementation of genomic selection. To date, genetic studies of natural Araucaria populations have been performed using dozens of microsatellite markers limiting the ability to evolve to more sophisticated investigations, and no study exists associating analysis with molecular markers and breeding programs. In this study, we developed a 44,318 annotated SNP catalog for Araucaria angustifolia, the first SNPs for the genus, discovered from RNAseq and RAD-sequencing data. From the SNP catalog, an Axiom® SNP array with 3,038 validated SNPs was developed and used to provide a comprehensive look at the genetic diversity and structure of 15 populations across the natural range of the species. Of the 22,983 sequences used, 15,144 have homology with sequences already published, and of these, 5,301 have homology with Picea sitchensis, conifer of great industrial and ecological importance in temperate countries. By matching microsatellite and SNP data on the same set of A. angustifolia individuals, we show that SNPs reflect more precisely the actual genome-wide patterns of genetic diversity and structure, challenging previous microsatellite-based assessments. Moreover, SNPs corroborated the known major north-south genetic cline and allowed a more accurate attribution to regional versus among-population differentiation, indicating the potential to select ancestry-informative markers. Combining the SNPs developed and the adjusted growth curves, this work also aimed to propose a methodology based on genomic selection (GS) to accelerate the genetic improvement of A. angustifolia. A set of 1,710 SNPs combined with 26 SSRs was used, 857 plants were genotyped with both marker platforms. Using 35 years of growth data, components of additive, dominant and epistatic variance were observed, the first being the most prevalent in volumetric expression throughout the growth of the trees. Our findings show that one can train models as early as 12 years of age aiming at successful indirect selection of individuals at age 35 years. Given the long time necessary to reach maximal growth of the trees and the good quality of the models, GS was very competitive with phenotypic selection, opening outstanding opportunities to establish an economically viable and efficient breeding program of this iconic Brazilian conifer. These results underscore the huge potential of expanding investments in breeding and plantation forestry of A. angustifolia with a concomitant enhancement of conservation efforts.

Submitted by ANDRÉ MAURIC FROSSARD RIBEIRO (andrewsramones@hotmail.com) on 2019-10-10T14:09:50Z No. of bitstreams: 1 Ribeiro_AMF_dr_jabo.pdf: 1999615 bytes, checksum: a226a6d3a821a889e8bd85d74c14abfb (MD5) Approved for entry into archive by Adriana Cristina Damato (adriana.damato@unesp.br) on 2019-10-10T19:16:01Z (GMT) No. of bitstreams: 1 ribeiro_amf_dr_jabo.pdf: 1999615 bytes, checksum: a226a6d3a821a889e8bd85d74c14abfb (MD5) Made available in DSpace on 2019-10-10T19:16:01Z (GMT). No. of bitstreams: 1 ribeiro_amf_dr_jabo.pdf: 1999615 bytes, checksum: a226a6d3a821a889e8bd85d74c14abfb (MD5) Previous issue date: 2019-07-29 Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) Nos últimos anos, o rápido desenvolvimento de tecnologias de sequenciamento de alto rendimento permitiu a genotipagem em larga escala de milhares de marcadores genéticos. Diversos modelos estatísticos foram desenvolvidos para predizer os valores genéticos para traços complexos usando as informações de marcadores moleculares em alta densidade, pedigrees ou ambos. Esses modelos incluem, entre outros, as redes neurais artificiais (RNA) que têm sido amplamente utilizadas em problemas de previsão em outros campos de aplicação e, mais recentemente, para predição genômica. O objetivo deste trabalho foi avaliar o desempenho de redes neurais artificiais na predição genômica de bovinos Nelore. Para isso foram testadas diferentes arquiteturas de rede (1 a 4 neurônios em camada oculta), 5 estratégias para seleção de animais com base na acurácia do EBV a serem declaradas para a rede de treinamento como entrada e avaliação de matrizes de relacionamento (NN_G (G como entrada); NN_GD (combinados G com D); e N_Guar (Guar como entrada)) a serem utilizados como entrada para predição genômica em características de peso corporal de bovinos Nelore em relação a modelos de regressão lineares bayesianos hierárquicos (BayesB). . Para isso, utilizou-se o dEBV de 8652 animais genotipados para peso corporal aos 120 dias, 240 dias, 365 dias e 455 dias. Esses animais foram divididos pela acurácia do EBV em população de treinamento e na validação. Todas as estratégias foram repetidas 5 vezes e a correlação entre dEBV e dEBV previsto foi usada como a medida de precisão dos modelos testados. Não havia evidências de que redes mais complexas (com mais neurônios) produzissem melhores previsões quando usamos NN_G ou NN_GD. Possivelmente, isso ocorreu porque o dEBV para o peso corporal foi estimado sob um modelo aditivo de herança em que o mérito genético aditivo tem uma relação linear com os efeitos do SNP. Tanto para NN_G quanto para NN_GD, quanto maior o número de animais na maior população de treinamento, maior foi a capacidade de previsão das características do peso corporal. No entanto, ao avaliar o cenário com o mesmo tamanho da população treinada, podemos observar que os modelos de treinamento com animais com maior acurácia do EBV apresentaram maior capacidade preditiva. Assim, as redes neurais artificiais não são apenas impactadas pelo número de animais no grupo de treinamento, mas também pela precisão do EBV desses animais. Além disso, todos os modelos de redes apresentaram melhores previsões quando comparados com BayesB, para cenários com poucos animais na população treinada, e podem ser uma ferramenta importante para programas ou características que possuem poucos animais genotipados. Também empregamos o agrupamento K-means para relações genômicas aditivas entre todos os animais genotipados para dividir os animais em grupos de treinamento e validação, com o objetivo de aumentar as relações dentro do grupo e diminuir entre grupos para a validação cruzada. O método de agrupamento K-means foi aplicado a uma matriz de dissimilaridade contendo elementos de um menos a relação genômica aditiva entre pares de animais para dividir o animal genotipado em quatro grupos. Os resultados mostram uma variação considerável na precisão entre os grupos. Em geral, as características de peso corporal com maiores valores de herdabilidade (p365 e p455) apresentaram maior precisão de predição. O grupo utilizado como população de referência com menor relação genômica com as populações-teste mostrou que as redes neurais apresentaram pior capacidade de predição quando comparadas às populações de treinamento com maior grau de parentesco com os grupos teste. Assim, podemos concluir que a capacidade de predição genômica de RNA ao usar a matriz G como entrada é dependente do grau de relação genômica entre a população de treinamento e a população de referência. In recent years, the fast development of high-throughput sequencing technologies has enabled large-scale genotyping of thousands of genetic markers. Several statistical models have been developed for predicting breeding genetic values for complex traits using the information on dense molecular markers, pedigrees, or both. These models include, among others, the artificial neural networks (ANN) that have been widely used in prediction problems in other fields of application and, more recently, for genome-enabled prediction. The objective of this work was to evaluate the performance of artificial neural networks in the genomic prediction of complex trait in Nellore cattle. For this, we has been tested different network architectures (1 to 4 neurons on hidden layer), 5 strategies to select animals based on their EBV accuracy to be declared for the training network as input and evaluation of relationship matrices [ NN_G (G as input); NN_GD(combined G with D), and N_Guar (Guar as input)] to be used as input for genomic prediction in body weight traits in Nellore cattle relative to hierarchical linear Bayesian regression models (BayesB) . The dEBV of 8652 animals genotyped for body weight at 120 days, 240 days, 365 days, and 455 days was used. Animals were divided into training population and validation by the predicted EBV accuracy. All strategies were repeated five times, and the correlation between dEBV and predicted dEBV was used as the accuracy measure of the models tested. There was no evidence that more complex networks (with more neurons) produced better predictions when we used NN_G or NN_GD. Possibly, this was because dEBV for body weight trait was estimated under an additive model of inheritance in which additive genetic merit has a linear relationship with SNP effects. For both NN_G and NN_GD, the higher the number of animals in the larger training population was the prediction ability for body weight characteristics. However, when evaluating the scenario with the same size of the training population, we observed the training models with animals with higher accuracy of EBV presented greater predictive ability. Thus, artificial neural networks are not only impacted by the number of animals in the training group but also by the accuracy of the EBV of these animals. Also, all network models presented better predictions when compared with BayesB, for scenarios with few animals in the training population, and maybe an important tool for programs or traits that have few animals genotyped. We also employed K-means clustering to additive genomic relationships among all genotyped animals to partition animals into training and validation groups, to increase within-group and decrease between-group relationships for cross-validation. The K-means clustering method was applied to a dissimilarity matrix containing elements of one minus the additive genomic relationship between pairs of animals to partition the genotyped animal into four groups. The results show considerable variation in accuracy between groups. In general, body weight traits with higher heritability values (p365 and p455) presented higher prediction accuracy. The group used as the reference population with the lowest genomic relationship with the test populations showed the neural networks showed worse prediction ability when compared to training populations with higher kinship degree with the test groups. Thus we can conclude that the ability of genomic prediction of ANN when using the matrix G as input is dependent on the degree of genomic relationship between the training population and the reference population. 001

Submitted by Matheus Henrique Vargas de Oliveira (matheusvargasoliveira@hotmail.com) on 2019-08-19T01:17:42Z No. of bitstreams: 1 DISSERTAÇÃO_FINAL - Matheus Henrique Vargas de Oliveira .pdf: 1539050 bytes, checksum: 71b3ced73bc8a7635315934012f25037 (MD5) Approved for entry into archive by Laudicélia Martins Arantes (lm.arantes@unesp.br) on 2019-08-19T15:13:29Z (GMT) No. of bitstreams: 1 Oliveira_mhv_me_jabo.pdf: 1539050 bytes, checksum: 71b3ced73bc8a7635315934012f25037 (MD5) Made available in DSpace on 2019-08-19T15:13:29Z (GMT). No. of bitstreams: 1 Oliveira_mhv_me_jabo.pdf: 1539050 bytes, checksum: 71b3ced73bc8a7635315934012f25037 (MD5) Previous issue date: 2019-07-26 Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) O objetivo do presente estudo foi avaliar a associação do consumo alimentar residual (CAR, kg MS/dia) e composição corporal de bovinos da raça Nelore. Foram utilizadas informações fenotípicas e genotípicas de 1059 e 956 touros do Programa de Melhoramento Genético Nelore Qualitas®, e 1074 novilhos e 1199 touros do Programa de Melhoramento Genético do Instituto de Zootecnia, participantes dos testes de eficiência alimentar nos anos de 2007 a 2018. O pedigree continha informação de cinco gerações, totalizando 7.992 animais, filhos de 1.034 pais e 4.735 mães. Após o controle de qualidade dos genótipos 37.297 SNPs permaneceram em comum nas populações Nelore Qualitas e Insituto de Zootecnia. A seleção genômica foi realizada considerando populações separadas e única por meio do método ssGBLUP. Foram realizadas análises genéticas uni e bi-características e os componentes de (co) variância foram estimados pelo método da Máxima Verossimilhança Restrita. Foram observadas e calculadas as características CARKOCH, consumo alimentar residual proposto por Koch (kg MS/dia); CARAOL, consumo alimentar residual ajustado para área de olho de lombo (kg MS/dia); CAREGS, consumo alimentar residual ajustado para espessura de gordura subcutânea (kg MS/dia); CARAOL EGS, consumo alimentar residual ajustado para área de olho de lombo e espessura de gordura subcutânea (kg MS/dia); AOL, área de olho de lombo (cm²) e EGS, espessura de gordura subcutânea (mm). O modelo de análise dos fenótipos incluiu efeitos aleatórios do animal e resíduo, efeitos sistemáticos de grupo de contemporâneos (GC) e mês de nascimento do animal, bem como as covariáveis idade do animal no início da prova (linear) e idade da vaca ao parto (linear e quadrática). Considerando populações separadas ou única, as herdabilidades das características foram similares com variação entre 0,17 ± 0,05 a 0,36 ± 0,06, o que indica possibilidade de progresso genético. As estimativas de correlações genéticas das características expressas em ambientes diferentes foram positivas, 0,58 ± 0,52 CARKOCH, 0,29 ± 0,47 CARAOL, 0,34 ± 0,47 CAREGS e 0,16 ± 0,50 CARAOL EGS. Considerando uma única população para os dois programas, as correlações genéticas entre as características CARKOCH, CARAOL, CAREGS e CARAOL EGS foram positivas e altas (0,97 ± 0,01 a 0,99 ± 0,01) entretanto, com AOL e EGS (0,06 ± 0,13 a 0,31 ± 0,12) foram positivas e moderadas/baixas. Evidências de associação genética desfavorável do CARKOCH e as características AOL e EGS foram observadas e possivelmente irão implicar em ganhos genéticos negativos. Portanto, o modelo de predição do CARKOCH deve considerar as características de composição de carcaça, a fim de obter independência em relação a AOL e EGS, consquentemente, priorizar o CAREGS e CARAOL EGS como critério de seleção na avaliaçao dos touros. The objective of the present study was to evaluate the association of residual feed intake (RFI, kg DM/day) and body composition of Nelore cattle. Phenotypic and genotypic information was used for 1059 and 956 sires from the Nelore Qualitas® animal breeding Program, and 1074 steers and 1199 animals from the animal breeding Program of the Institute of Animal Science, participants of the food efficiency tests from 2007 to 2018. The pedigree contained information from five generations, totaling on 7,992 animals, offspring of 1,034 males and 4,735 females. After quality control of the genotypes 37,297 SNPs remained in common in Nelore Qualitas e Institute of Animal Science populations. Genomic selection was performed considering separate and single populations using the ssGBLUP method. Uni and bi-traits genetic analyzes were performed and (co) variance components were estimated by the Restricted Maximum Likelihood. The phenotypic traits of RFIKOCH, residual feed intake proposed by Koch (kg DM/day) were observed and calculated; RFILEA, adjusted residual feed intake for loin eye area (kg DM/day); RFIBF, adjusted residual feed intake for backfat thickness (kg DM/day); RFILEA BF residual feed intake adjusted for loin eye area and backfat thickness (kg DM/day); LEA, loin eye area (cm²) and BF, backfat thickness (mm). The model of analysis of the phenotypes included random effects of the animal and residue, systematic effects of group of contemporaries (GC) and month of birth of the animal, as well as the covariates age of the animal at the beginning of the test (linear) and age of the cow at birth (linear and quadratic). Considering separate or single populations, the heritabilities of the traits were similar ranging from 0.17 ± 0.05 to 0.36 ± 0.06, indicating the possibility of genetic progress. Estimates of genetic correlations of the traits expressed in different environments were positive, 0.58 ± 0.52 RFIKOCH, 0.29 ± 0.47 RFILEA, 0.34 ± 0.47 RFIBF and 0.16 ± 0.50 RFILEA BF. Considering a single population for the two programs, the genetic correlations between RFIKOCH, RFILEA, RFIBF and RFILEA BF were positive and high (0.97 ± 0.01 to 0.99 ± 0.01), but with LEA and BF (0.06 ± 0.13 to 0.31 ± 0.12) were positive and moderate / low. Evidence of unfavorable genetic association of RFIKOCH and the LEA and BF traits, that is, the selection will imply negative genetic gains. Therefore, the RFIKOCH prediction model must consider the carcass composition traits, in order to obtain independence in relation to LEA and BF, consequently, to prioritize the RFIBF and RFILEA BF as a selection criterion in the evaluation of the sires. 88882.180624/2018-01

At present, single-trait best linear unbiased prediction (BLUP) is the standard method for genetic selection in soybean. However, when genetic selection is performed based on two or more genetically correlated traits and these are analyzed individually, selection bias may arise. Under these conditions, considering the correlation structure between the evaluated traits may provide more-accurate genetic estimates for the evaluated parameters, even under environmental influences. The present study was thus developed to examine the efficiency and applicability of multi-trait multi-environment (MTME) models by the residual maximum likelihood (REML/BLUP) and Bayesian approaches in the genetic selection of segregating soybean progeny. The study involved data pertaining to 203 soybean F2:4 progeny assessed in two environments for the following traits: number of days to maturity (DM), 100-seed weight (SW), and average seed yield per plot (SY). Variance components and genetic and non-genetic parameters were estimated via the REML/BLUP and Bayesian methods. The variance components estimated and the breeding values and genetic gains predicted with selection through the Bayesian procedure were similar to those obtained by REML/BLUP. The frequentist and Bayesian MTME models provided higher estimates of broad-sense heritability per plot (or heritability of total effects of progeny; h2 prog) and mean accuracy of progeny than their respective single-trait versions. Bayesian analysis provided the credibility intervals for the estimates of h2 prog. Therefore, MTME led to greater predicted gains from selection. On this basis, this procedure can be efficiently applied in the genetic selection of segregating soybean progeny. Made available in DSpace on 2019-07-06T01:05:45Z (GMT). No. of bitstreams: 1 2019M.DeonPOMultitrait.pdf: 1235434 bytes, checksum: 28605a235ada4848e013f5ce2c25c1d1 (MD5) Previous issue date: 2019

Submitted by Antonio Higo Moreira de Sousa (anthigo@gmail.com) on 2018-12-11T16:37:27Z No. of bitstreams: 1 sousa_ahm_me_botfca.pdf: 1274619 bytes, checksum: ee06b7f2d4bb10a6ddb99da3a115ae61 (MD5) Approved for entry into archive by Ana Lucia de Grava Kempinas (algkempinas@fca.unesp.br) on 2018-12-11T16:42:53Z (GMT) No. of bitstreams: 1 sousa_ahm_me_botfca.pdf: 1274619 bytes, checksum: ee06b7f2d4bb10a6ddb99da3a115ae61 (MD5) Made available in DSpace on 2018-12-11T16:42:53Z (GMT). No. of bitstreams: 1 sousa_ahm_me_botfca.pdf: 1274619 bytes, checksum: ee06b7f2d4bb10a6ddb99da3a115ae61 (MD5) Previous issue date: 2018-09-06 Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) Parentesco entre indivíduos em populações naturais é uma informação com múltiplos usos e pode ser acessada por meio de estimadores que usam dados moleculares. Todavia, cada estimador possui pressuposições e, muitas vezes, rigorosas para espécies florestais. Assim, a modelagem dos dados é uma etapa importante e, quase em todos os casos, negligenciada. Este trabalho teve como objetivo avaliar a eficácia de diferentes estimadores de parentesco em Acrocomia aculeata (Jacq.) Lodd. ex Mart., Hymenaea stigonocarpa Mart. ex Hayne e Dipteryx alata Vogel., bem como em quatro diferentes populações simuladas. A partir das coancestrias médias ( ��̅ ) estimadas, foi calculado o erro dos estimadores pressupondo que os indivíduos analisados eram meios-irmãos (��̅=0,125). As estimativas de parentesco oscilaram conforme a espécie e o método utilizado, gerando diferentes valores de erro para cada estimador. A correlação foi observada apenas entre estimadores que possuíam o mesmo método de estimativa ou com pressupostos similares. As populações simuladas tiveram melhores valores estimados e menores erros em comparação com dados reais. Os valores de erro dos estimadores encontrados, demonstram que somente aplicação dos estimadores para a inferência de determinado grau de parentesco, pode gerar resultados viesados e corroborar para ineficácia da tomada de decisão, sendo necessário o uso de informações complementares associadas ao parentesco, como análise do sistema de reprodução, estrutura genética da população, permitindo inferir com maior precisão o parentesco dos indivíduos avaliados. Understanding kinship between individuals in natural populations offers useful information that can be assessed based on estimators of molecular data. However, each estimation method is based on assumptions and is often restricted for forest species. Thus, modeling the data is an important step that is almost always neglected. This study aims to evaluate the efficacy of different kinship estimators for Acrocomia aculeata (Jacq.) Lodd, ex Mart., Hymenaea stigonocarpa Mart. Ex Hayne, and Dipteryx alata Vogel., and four different simulated populations. From the estimated mean coancestry (�̅), the error estimates were calculated assuming that analyzed individuals were perfect half-siblings (�̅=0,125). Estimates of kinship ranged according to the species and method used, generating different error values for each estimator. A correlation was observed only between estimators that used the same estimation method or similar assumptions. Simulated populations showed more accurate estimates and lower error values compared to actual data. The error values of the estimators demonstrate that the application of estimators to infer a certain degree of kinship can generate biased results and lead to inefficient decision making. Thus, the use of complementary information associated with kinship is necessary, such as analysis of the reproduction system and genetic structure of the population, enabling more precise inferences of the kinship between evaluated individuals.

Submitted by Samuel Wallace Boer dos Santos (samuel_wallace_eu@hotmail.com) on 2018-10-05T12:41:08Z No. of bitstreams: 1 Dissertação (compacted).pdf: 1033432 bytes, checksum: 72856099afe05132396d596489c6971b (MD5) Approved for entry into archive by Neli Silvia Pereira null (nelisps@fcav.unesp.br) on 2018-10-08T17:47:46Z (GMT) No. of bitstreams: 1 santos_swb_me_jabo.pdf: 1033432 bytes, checksum: 72856099afe05132396d596489c6971b (MD5) Made available in DSpace on 2018-10-08T17:47:46Z (GMT). No. of bitstreams: 1 santos_swb_me_jabo.pdf: 1033432 bytes, checksum: 72856099afe05132396d596489c6971b (MD5) Previous issue date: 2018-07-31 Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) Características de eficiência alimentar estão diretamente associadas com a lucratividade e sustentabilidade da bovinocultura de corte. Conversão alimentar, consumo alimentar residual, consumo de matéria seca, eficiência alimentar e ganho em peso, são características importantes para a seleção de animais mais eficientes dentro de um sistema de produção, porém, com exceção do ganho em peso, as demais não vêm sendo consideradas como critérios de seleção devido à dificuldade de obtenção de fenótipos para as mesmas. Com o avanço nas tecnologias de genotipagem e sequenciamento, foram desenvolvidos chips de alta densidade de marcadores do tipo SNP (Single Nucleotide Polymorphism) espalhados pelo genoma. Estas informações moleculares vêm sendo utilizadas em estudos de associação genômica ampla (GWAS) e de seleção genômica (SG). Basicamente, o GWAS permite a identificação de variações genéticas de maior efeito sobre a expressão fenotípica de características de interesse, enquanto a SG visa a predição do valor genômico direto dos candidatos à seleção utilizando apenas a informação molecular, o que tem revolucionado o melhoramento genético por proporcionar a diminuição do intervalo de geração e o aumento da acurácia de predição dos valores genéticos dos animais. Assim sendo, os objetivos do presente trabalho foram: 1) encontrar regiões cromossômicas de maior efeito sobre características de eficiência alimentar em animais Nelore provenientes de dois programas de melhoramento (Instituto de Zootecnia - IZ e Nelore Qualitas), visando encontrar possíveis diferenças/semelhanças entre as populações; 2) avaliar a existência de genes candidatos comum às populações; e 3) avaliar a possibilidade e os benefícios de combinar estas duas populações Nelore em estudos de seleção genômica. Foram utilizadas informações fenotípicas e genotípicas de 1.137 animais do IZ e 817 animais do Qualitas. Os animais foram genotipados com painel de alta densidade (Illumina BovineHD chip) ou tiveram seus genótipos imputados para HD através do software FImpute. Após o controle de qualidade dos genótipos, permaneceram para análise 408.161 SNPs para o IZ e 428.621 SNPs para o Qualitas. O GWAS foi realizado para cada população individualmente, considerando a metodologia GBLUP. Modelos unicaracterísticos foram empregados nas análises, incluindo, além dos efeitos aleatórios de animal e resíduo, os efeitos sistemáticos de grupos de contemporâneos (GC), os quais foram definidos como: sexo, ano de nascimento e instalação (IZ) e ano do teste e baia (Qualitas). Para o IZ também foram incluídos, para todas as características, os efeitos fixos de mês de nascimento, e, como covariáveis, idade do animal (linear), idade da mãe (linear e quadrática) e os dois primeiros componentes principais (obtidos a partir da matriz G). O efeito quadrático da idade do animal foi incluído no modelo apenas para o consumo de matéria seca e ganho médio diário. Para o Qualitas, foi considerado, para todas as características, o efeito linear da idade do animal como covariável. No GWAS, foram encontradas algumas regiões cromossômicas de maior efeito para cada característica nas duas populações, porém, não foram encontradas regiões em comum. No estudo de seleção genômica (SG), foram utilizados dez diferentes abordagens e esquemas envolvendo as duas populações para comparar a acurácia de predição. Em geral, a combinação das populações pode gerar benefícios para a seleção genômica, porém, tais benefícios dependem da característica e do esquema de validação. Feed efficiency traits are directly associated with the profitability and sustainability of beef cattle. Feed conversion rate, residual feed intake, dry matter intake, feed efficiency and average daily gain are important traits for the selection of more efficiency animals within a production system, but, except for weight gain, the others have not been considered as selection criteria due to the difficulty of obtaining phenotypes. With the advance in genotyping and sequencing technologies, high density chips of SNP (Single Nucleotide Polymorphism) have been developed. This molecular information has been used in genome-wide association (GWAS) and genomic selection (GS) studies. Basically, GWAS allows the identification of genetic variations with major effects on the phenotypic expression of traits of interest, while SG aims at the prediction of direct genomic value for the selection candidates using only their molecular information, which has revolutionized the animal breeding by providing a decrease in generation interval and increases in the prediction accuracies of breeding values. Thus, the objectives of the present study were to: 1) identify chromosomal regions with major effects on feed efficiency traits in animals from two Nellore breeding programs (Instituto de Zootecnia and Nellore Qualitas), in order to find possible differences/similarities between the populations; 2) evaluate the existence of candidate genes in common to populations; and 3) evaluate the possibility and benefits of combining these two Nellore populations in genomic selection studies. Phenotypic and genotypic information of 1,137 animals from IZ and 817 from Qualitas were used. The animals were genotyped with high density panel (Illumina BovineHD chip) or had their genotypes imputed to HD through the FImpute software. After quality control, remained for analysis 408,161 SNPs for IZ and 428.611 SNPs for Qualitas. The GWAS was performed for each population individually, considering the GBLUP methodology. Single-trait models were implemented in the analyzes, including, in addition to the random effects of animal and residual, the systematic effects of contemporary groups (CG), which were defined as: sex, year of birth and pen for the IZ, and year of test and pen for the Qualitas. For IZ, there were also considered, for all traits, the fixed effects of month of birth and, as covariable, age of animal (linear effect), age of dam (linear and quadratic effects) and the first two principal components (calculated based on the G matrix). For ADG and DMI, the quadratic effect of age of animal, as covariable, was added to the model. For Qualitas, it was also included in the model, for all traits, the linear effect of the animal age as covariable. In GWAS, some chromosomal regions of greater effect were found for each trait in both populations. However, no common regions were found. In GS, ten different approach and schemes involving the two Nellore populations were used to compare the accuracy of genomic prediction. In general, genomic predictions combining both populations are feasible, but, the benefits will depend on the trait and validation scheme. CNPq: 132884/2016-0 FAPESP: 2016/24228-9 FAPESP: 2017/13411-0

A seleção dos melhores indivíduos busca aprimorar uma característica ao longo do tempo. O uso de dados genômicos deram origem ao que é conhecido como seleção genômica. A construção de modelos genéticos eficientes para a avaliação do mérito de um indivíduo é complexa e no geral se baseia no pressuposto da herança aditiva. Entretanto, na presença de variabilidade genética não-aditiva os modelos podem não comportar toda a complexidade de possíveis interações entre os genes, a epistasia. O S4GS é um simulador de dados genômicos que busca mimetizar características importantes para o estudo em seleção genômica como, desequilíbrio de ligação, inseminação artificial e cruzamento geracional. Outro fator relevante é a capacidade de simular diferentes ações gênicas e interações em múltiplos níveis. Sendo utilizado na simulação de 8 cenários de estudo, com destaque para o cenário 8 que procurou simular o cruzamento do Girolando opção B. O método proposto consiste em duas etapas: seleção e a avaliação, gerando uma combinação ótima para o aumento de acurácia. Os algoritmos escolhidos para a etapa de seleção de atributos foram: o FFS; O SMS; e a CART como uma alternativa rápida. A etapa de avaliação utilizou duas técnicas clássicas o RR-BLUP e o BLASSO como referência, e o SVR. A associação das técnicas utilizadas na etapa de seleção e avaliação levam a três modelos: SVR + FFS; SVR + SMS; e SVR + CART. Nos resultados obtidos a seleção de atributos se mostrou um importante recurso no aumento da acurácia, em todos os 8 cenários. O processo de simulação possibilitou a obtenção de dados até a 15a geração permitindo treinar os modelos na 1a ou 4a e aplicá-los nas subsequentes. A seleção de atributos aumentou de forma significativa a acurácia dos modelos utilizando dados genômicos, com exceção para o conjunto com amostra pequena e em dados totalmente lineares. O método proposto conseguiu para as bases com as características descristas serem eficientes, gerando um aumento significativo na correlação final. The animal breeding seeks to maximize of a characteristic over time. The use of genomic data gave rise that we know as genomic selection. The made of efficient models for evaluate the merit of an animal is complex and generally is based on the assumption of additive genetic effects. However, in the presence of non-additive genetic variability, the models may not contain all the complexity of possible interactions between the genes, the epistasis. The S4GS is a genomic data simulator developed in this thesis, which seeks to mimic important features for the study in genomic selection such as linkage disequilibrium, artificial insemination and crossing over. Another relevant factor is the ability to simulate different gene actions and interactions at multiple levels. It was used in the creation of 8 study scenarios, highlighting the scenario 8 that sought to simulate the Girolando option B. The proposed method consists of a two-step selection and evaluation, generating an optimal combination for the increase of accuracy. The algorithms chosen for the feature selection step were: the FFS that was developed in this thesis; The SMS; and CART as a quick alternative. The evaluation stage used two classical techniques, the RR-BLUP and the BLASSO as a reference, and the SVR. The association of the techniques used in the selection and evaluation stage leads us to three models: SVR + FFS; SVR + SMS; and SVR + CART. In the results obtained, the selection of attributes proved to be an important resource in increasing accuracy in all 8 scenarios. The simulation process allowed data to be obtained up to 15th generation allowing the models generated in 1th or 4th to in subsequent ones to be applied. The application of feature selection significantly increased accuracy in genomic data, except for the small sample set and in completely linear data. The proposed method was able to the bases with the descriptive characteristics to be efficient, generating a significant increase in the final correlation.

Conselho Nacional de Desenvolvimento Científico e Tecnológico A identificação de genótipos com desempenho superior é um dos principais objetivos da maioria dos programas de melhoramento de plantas. No entanto, a capacidade de atingir esse objetivo é limitada pelo alto custo da fenotipagem e realização de experimentos. Neste contexto, a Seleção Genômica (SG) foi proposta para estimar o valor genético (VGG) de indivíduos que ainda não foram fenotipados por meio de informações de marcadores distribuídos em todo o genoma. No entanto, a maioria das modelagens da SG expressam o valor fenotípico como função apenas do efeito aditivo do valor genotípico o que dificulta, muitas vezes, uma representação mais realística da arquitetura genética de caracteres quantitativos, sendo a inclusão de efeitos dominância e interações epistáticas fatores cruciais para aumentar a acurácia da predição. O papel da epistasia na arquitetura genética de caracteres complexos tem sido discutido desde o surgimento da genética quantitativa e, embora seja visto por diferentes perspectivas, o reconhecimento sobre sua importância é crescente. Nas populações, a variância genética total é dividida em componentes de variância aditivo, de dominância e de epistasia, que dependem dos efeitos dos locos e das frequências dos alelos presentes na população. Assim, se a frequência do alelo epistático varia entre as populações, o efeito do gene de interesse pode significativo em uma população, mas não em outra, e o efeito pode até mesmo ser inverso sobre o caráter em ambientes diferenciados. Neste contexto, as Redes Neurais Artificias (RNAs) tornam-se alternativas de análise promissoras por capturar relações não lineares entre os marcadores a partir dos próprios dados, o que a maioria dos modelos comumente utilizados na SG não conseguem. Entretanto, a inclusão de todos os marcadores no genoma no modelo aumenta as chances de existência de alta correlação entre eles e representa um enorme desafio computacional, que acarreta menor precisão no treinamento da RNA, que utilizam boa parte de seus recursos para representar porções irrelevantes do espaço de busca, dificultando o aprendizado. Assim, um modelo mais realístico deveria incluir apenas os SNPs (Single Nucletiode polymorphism) ao caráter de interesse. Para minimizar os efeitos da dimensionalidade sobre a modelagem de SG usando RNA foi proposta, no presente trabalho, a utilização de métodos de redução de dimensionalidade do tipo Sonda e Stepwise para fins de seleção de um subconjunto de marcadores que serão utilizados na predição do valor genético. Após a seleção de marcadores, foi avaliada a eficiência do método de seleção genômica RR-BLUP e das redes neurais artificias do tipo de base radial (RNA-REF) e Perceptron de Múltiplas camadas (RNA-MLP) na predição do valor genético em população natural com desequilíbrio gamético. Para isso, foi simulada uma população Fl oriunda da hibridação de genitores divergentes, com 500 indivíduos, genotipados com 1000 marcadores do tipo SNP. As características fenotípicas foram determinadas adotando-se três modelos: aditivo, aditivo-dominante e epistático, atendendo duas situações de dominância: parcial e completa com caracteres quantitativos admitindo herdabilidades (hª) de 30 e 60%, controlados cada um por 100 locos, considerando dois alelos por loco, totalizando 12 cenários distintos. Para avaliar a capacidade de predição, o modelo RR-BLUP e RNA- RBF foram treinados utilizando 80% dos indivíduos da população e procedimento de validação cruzada com cinco repetições. Para tanto foram obtidos o quadrado da correlação entre o valor genômico predito (GEBV) e o valor genotípico/fenotípico para medir a acurácia seletiva (R2) e a raiz do erro do quadrado médio (REQM), para medir a acurácia preditiva. Os resultados obtidos pela validação genotípica no primeiro capitulo mostraram que o uso de redes neurais permite capturar as interações epistáticas levando a uma melhora na predição do valor genético e, principalmente, a grande redução da raiz do erro médio quadrado (REQM), o que indica maior confiabilidade da predição do valor genômico. No entanto, a partir dos resultados obtidos por validação fenotípica foi evidente que a acurácia de predição poderia ser melhorada ao introduzir a seleção de marcadores. Consequentemente, no segundo capítulo de trabalho, após aplicar os métodos de redução de dimensionalidade, sonda e Stepwise, acurácia de predição aumentou. Por exemplo, para a h2= 0.3 no cenário aditivo, o R2 de validação foi de 59.l% para rede neural (RNA-REF), 57% (RNA-MLP) e 57% para RR-BLUP e, no cenário epistático, os valores de R2 foram de 50%, 47 e 41%, respectivamente. Adicionalmente, ao analisarmos REQM, a diferença entre os desempenhos das técnicas é ainda maior. Para o cenário 1, as estimativas foram de 91 (RR-BLUP) e 5 para ambas as redes neurais e, no cenário mais crítico que incluía epistasia e dominância, de 427(RR-BLUP) e 20 para as redes neurais. Os resultados obtidos mostram que a utilização de redes neurais permite capturar as interações epistáticas levando a um aumento na acurácia da predição do valor genético e, principalmente, redução do erro quadrático médio, o que indica maior confiabilidade da predição do valor genômico. The identification of elite individual is a critical component of most plant breeding programs. However, the ability to achieve this goal is limited by the high cost of phenotyping and conducting experiments. In this context the genomic selection was proposed to use all marks presents in the genome to estimate the genomic breeding value of individuals (GEBV) without the need to phenotyping. However, most applications of GS includes only the additive portion of the genetic value, and a more realistic representation of the genetic architecture of quantitative traits should have the inclusion of dominance and epistatics interaction. The role of epistasis in the genetic architecture of quantitative traits has been debated since first formulations of quantitative genetic theory, and different perspectives regarding the importance of epistasis arise. In populations, the total genetic variance is partitioned into components that are attributable to additive, dominance and epistatic variance, which depend on allele frequencies. If the allele frequency of the interacting locus varies among populations, the effect of the target locus can be significant in one population but not in another, or can even be of the opposite sign. In this context, Artificial Neural Networks (ANNs) has a great potential because they can capture non-linear relationships between markers from the data themselves, which most of the models commonly used in the GS can not. However, the inclusion of all markers in the prediction model increases the chances of a high correlation between the marks and represents a huge challenge that add less precision and a great computational demand for ANNs training that use a good part of their resources to represent irrelevant portions of the search space and compromising the learning process. Thus, a more realistic model should include only SNPs that are related to the traits of interest. Because of this, it was proposed to use dimensionality reduction methods, applied to the prediction of genetic values, for the purpose of selecting a subset of markers by means of specific procedures such as Sonda or Stepwise regressions. In this way, the objective of this work is to evaluate the efficiency of genome enabled prediction by using RR-BLUP (GS) and artificial neural networks as radial basis function neural network (RBFNN), and Multi-layer Perceptron (RNA-MLP) in the prediction of the genetic value in a natural population with linkage disequilibrium without (chapter 1) and with (chapter 2) the dimensionality reduction. For this, an Fl population from the hybridization of divergent parents with 500 individuals genotyped with l,000 SNP-type markers was simulated. The phenotypic traits were determined by adopting three different gene action models: additive, additive-dominance and epistasis, attending two dominance situations: partial and complete with quantitative traits admitting heritabilities (hz) ranging from 30 to 60%, each is controlled by 50 loci, considering two alleles per loco, totaling 12 different scenarios. To evaluate the predictive ability of RR-BLUP and the neural networks a cross- validation procedure with five replicates were trained using 80% of the individuals of the population. Two dimensionality reduction methods Stepwise and Sonda were used to calculated the square of the correlation between predicted genomic value (GEBV) and genotype/phenotype value was used to measure predictive reliability(R2) and the predictive mean-squared error root (MSER). In the chapter one of this work the results showed that the use of neural networks allows capturing the epistasic interactions leading to an improvement in the accuracy of the prediction of the genetic value and, mainly, a large reduction of the mean square error root (MSER) that indicates greater reliability of the prediction of the genomic value. But from the results using phenotypic validation it was clearly that is possible to make further improvements on the accuracy by introducing the variable selection. Consequently, in the second chapter, after applied the dimensionality reduction methods, the the accuracy increased. For example, for h2 = 0.3 in the additive scenario, the validation R2 was 59% for neural network (RBFNN), 57% (RNA-MLP) and 57% for RR-BLUP, and in the epistemic scenario R2 values were 50%, 47 and 41%, respectively. Additionally, when analyzing the mean-squared error root the difference in performance of the techniques is even greater. For additive scenario, the estimates were 9l (RR-BLUP) and 5 for both neural networks and, in the most critical scenario, 427 (RR-BLUP) and 20 for neural networks. The results show that the use of neural networks allows capturing the epistasis interactions leading to an improvement in the accuracy of the prediction of the genetic value and, mainly, a large reduction of the mean square error root that indicates greater reliability of the prediction of the genomic value.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior Os programas de melhoramento genético existem com dois objetivos principais: identificação de genótipos superiores e a obtenção de combinações melhoradas por meio de cruzamento entre esses indivíduos elite. Os mais diversos ramos da genética, estatística e biometria contribuíram para o estabelecimento de diferentes estratégias de melhoramento para seleção de genótipos superiores. Em particular, metodologias baseadas em seleção genômica ampla tem apresentado grande destaque dentre os estudos mais recentes de seleção. A seleção genômica ampla (Genome Wide Selection), envolve estudos biométricos e une genética de populações, genética molecular e a genética quantitativa. A maior motivação para tais estudos consiste na possibilidade de utilizar genotipagem em grande escala e incorporar informações genômicas no processo de predição, de modo a aumentar a eficiência seletiva, obter ganhos genéticos de forma mais ágil e diminuir os custos. Nos modelos de genética, as variações fenotípicas dos indivíduos consistem na variância genotípica dos mesmos agregando variâncias devido a dominância, variância ambiental e também epistasia. No entanto, os modelos de GWS, de modo geral, negligenciam a influência de dominância e epistasia, levando em consideração apenas os efeitos aditivos das características. Além disso, a alta densidade de marcadores moleculares pode levar a problemas de dimensionalidade e multicolinearidade. Neste contexto, o uso de estratégias de redução de dimensionalidade e de metodologias baseadas em inteligência computacional que abordem mais adequadamente a inclusão de tais efeitos em estudos de seleção e predição constituem a proposta neste trabalho. O trabalho visa abordar três tópicos principais: o capitulo propõe avaliar a eficiência do RR-BLUP para predição de valores genéticos de uma população simulada com 12 características complexas que contemplavam efeitos de dominância, epistasia e efeitos ambientais. No capítulo 2 propõe-se a aplicação dos Métodos de Regressão Stepwise e da Sonda para redução de dimensionalidade a fim de aumentar a eficiência preditiva do método RR-BLUP aplicado na mesma população considerada no capitulo 1. Finalmente, o capítulo 3 visa avaliar a eficiência das metodologias de inteligência computacional baseadas em Redes Neurais Artificiais de Redes Perceptron Multicamadas e as Redes de Função de Base Radial para predição dos valores genéticos da população simulada abordada nos capítulos anteriores. Os resultados indicaram que o uso de metodologias de redução de dimensionalidade contribui para o aumento da eficiência do método RR-BLUP. No entanto, também evidenciaram a deficiência desse método para predizer valores genéticos de populações que incluam efeitos de dominância e epistasia no controle gênico das características de interesse. As metodologias de Redes Neurais Multicamadas e as Redes de função de Base Radial propostas apresentaram acurácia preditiva, expressa pelo erro quadrático médio, superior à apresentada pelo RR-BLUP, demonstrando que as metodologias de inteligência computacional foram mais eficientes que a Seleção Genômica Ampla para o estudo de características complexas com controle gênico envolvendo efeitos aditivos, dominantes e epistáticos. Genetic breeding programs exist with two main objectives: to identify superior genotypes and to obtain improved combinations through cross-breeding among these elite individuals. The most diverse branches of genetics, statistics and biometry contributed to the establishment of different breeding strategies for selecting superior genotypes. In particular, methodologies based on genomic selection have shown great prominence among the most recent selection studies. Genome Wide Selection, involves biometric studies and gathers genetic of populations, molecular genetics and quantitative genetics. The greatest motivation for such studies is the possibility of using large-scale genotyping and incorporating genomic information into the prediction process, in order to increase selective efficiency, obtain genetic gains and reduce costs. In genetic models, the phenotypic variations of the individuals consist in the genotypic variance including variances due to dominance, environmental variance and also epistasis. However, the GWS models generally neglect the influence of dominance and epistasis, taking into consideration only the additive effects of the characteristics. In addition, the high density of molecular markers can lead to problems of dimensionality and multicollinearity. In this context, the use of dimensionality reduction strategies and methodologies based on computational intelligence that more adequately address the inclusion of effects due to dominance and epistasis in a selection and prediction study are the proposal in this work. The aim of this work is to address three main topics: Chapter ] proposes to evaluate the efficiency of RR-BLUP for predicting genetic values of a simulated population with 12 complex traits that included effects of dominance, epistasis and environmental effects. In Chapter 2 we propose the application of the Stepwise Regression and Sonda methods to reduce dimensionality in order to increase the predictive efficiency of the RR-BLUP method applied in the same population considered in chapter ]. Finally, chapter 3 aims to evaluate the efficiency of computational intelligence methodologies based on Artificial Neural Networks of Multilayer Perceptron and the Radial Basis Function Neural Networks to predict the genetic values of the simulated population discussed in previous chapters. The results indicated that the use of dimensionality reduction methodologies contribute to increase the efficiency of the RR-BLUP method. However, they also evidenced the deficiency of this method to predict genetic values for populations that include effects of dominance and epistasis in the gene control of the characteristics of interest. The methodologies of Multilayer Perceptron and Radial Basis Function Neural Networks proposed presented predictive accuracy, expressed by the mean square error, higher than that presented by the RR-BLUP, demonstrating that the computational intelligence methodologies were more efficient than the Genome Wide Selection for the study of complex characteristics with gene control involving additive, dominant and epistatic effects.

Submitted by MARCOS VINICIUS ANTUNES DE LEMOS (marcoslemoszootec@gmail.com) on 2017-06-02T15:32:45Z No. of bitstreams: 1 Tese_Marcos_VA_Lemos1.pdf: 3226396 bytes, checksum: 1f97ad6fd98b95977fbdc4ba573a83bb (MD5) Approved for entry into archive by Luiz Galeffi (luizgaleffi@gmail.com) on 2017-06-02T17:51:15Z (GMT) No. of bitstreams: 1 lemos_mva_dr_jabo.pdf: 3226396 bytes, checksum: 1f97ad6fd98b95977fbdc4ba573a83bb (MD5) Made available in DSpace on 2017-06-02T17:51:15Z (GMT). No. of bitstreams: 1 lemos_mva_dr_jabo.pdf: 3226396 bytes, checksum: 1f97ad6fd98b95977fbdc4ba573a83bb (MD5) Previous issue date: 2017-05-05 Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) Objetivou-se identificar regiões no genôma de bovinos da raça Nelore que apresentam variações no número de cópias (CNV) e, associar estes CNV com o perfil de ácidos graxos da carne. Além disso, objetivou-se realizar associação genica ampla utilizando os método de single step (GWASss) a fim de detectar regiões genômicas associadas aos ácidos graxos dos grupos saturados, mono e poliinsaturados, assim como os omegas 3, 6 e sua relação. O estudo de caracterização e distribuição dos CNVs ao longo do genoma de bovinos Nelore, foi realizado através do software PennCNV utizando dados genotípicos de 3.794 aniamais, resultando em 399.361 CNVs identificados. Após controle de qualidade, 2.902 foram mantidos nas analises, resultando em 195.873 CNVs, com tamanho medio de 54,744 pb, maximo de 8.7 Mb e minimo 3 kb. As regiões de CNV foram geradas pela sobreposição dos CNVs através do software CNVRuler. Os cromossomos que mostraram maior incidencia de CNVR foram BTA19 (24,26%), BTA23 (18,68%) e BTA25 (18,05%). Ja os que mostraram menor incidencia foram BTA29 (1,63%), BTA13 (9,72%) and BTA8 (9,72%). As 9.805 regiões da CNV estimadas no presente estudo cobrem aproximadamente 13.05% do genoma bovino e sobrepõem-se a 5.495 genes conhecidos que envolvem processos biológicos que poderiam estar envolvidos na adaptação ambiental da subespécie a áreas tropicais. O estudo de GWASss identificou 115 janelas que explicaram mais de 1% da variação genética aditiva para os 22 ácidos graxos estudados. A identificação destas regiões e seus genes genes, tais qual ELOVL5, ESRRG, PCYT1A e os genes do grupo ABC (ABCA5, ABCA6 e ABCA10) são genes que estão relacionados direto e inderamente ao metabolismo lipídico. O GWAS entres os fenótipos de AG e os CNVs resultaram em um total de 186 CNVR siginificantivos para os grupos dos ácidos graxos saturados (43), monosaturados (42), poliinsaturados (66) e omegas (35), nas quais foram identificados 278 genes com funçao descrita. Estes resultados apontaram genes associados a AG de varias saturações, podendo ser destacados os genes SAMD8 e BSCL2, os quais estão relacionados ao metabolism lipidico; e o gene RAPGEF6, relacionado ao metabolism energetico. Assim os inúmeras regiões genômicas encontradas neste estudo, bem como os genes identificados nas mesmas, devem contribuir para a formação de uma base genética do perfil de ácidos graxos da carne de bovino Nelore (Bos indicus), podendo contribuir para uma melhor seleção das características associadas à melhora da saúde humana. saúde. O conhecimento desses CNVs deverá melhorar a compreensão dos mecanismos genéticos e fisiológicos que contribuem para as características produtivas, bem como na seleção de animais mais produtivos e eficientes, contribuindo para o melhoramento genético das características produtivas. The objective of this study was to identify genomic regions of Nellore cattle that present variations in the number of copies (CNV) and to associate these CNV with the fatty acid profile of the meat. In addition, the objective of this study was to carry out a genome-wid association using the single step method (GWASss) to detect genomic regions associated with saturated, mono and polyunsaturated fatty acids, as well as omega 3, 6 and their relationship. The study of the characterization and distribution of CNVs along the Nellore genome was performed by PennCNV software using genotypic data of 3,794 animals, resulting in 399,361 CNVs identified. After quality control, 2,902 were maintained in the analyzes, resulting in 195,873 CNVs, with an average size of 54,744 pb, maximum of 8.7 Mb and minimum 3 kb. The CNV regions were generated by the overlap of the CNVs by CNVRuler software. The chromosomes that showed the highest incidence of CNVR were BTA19 (24.26%), BTA23 (18.68%) and BTA25 (18.05%). Those with the lowest incidence were BTA29 (1.63%), BTA13 (9.72%) and BTA8 (9.72%). The 9,805 CNV regions estimated in the present study covered approximately 13.05% of the bovine genome and overlaped 5,495 genes known to envolve in biological processes that could be involved in the environmental adaptation of the subspecies to tropical areas. The GWASss study showed 115 windows that explained more than 1% of the additive genetic variation for the 22 fatty acids studied. The identification of these regions and their genes, such as ELOVL5, ESRRG, PCYT1A and the ABC group genes (ABCA5, ABCA6 and ABCA10) are genes directly and indirectly related to lipid metabolism. The GWAS between AG phenotypes and CNVs resulted in a total of 186 CNVRs that were significant for the saturated (43), monosaturated (42), polyunsaturated (66) and omegas (35) fatty acids groups, in which 278 genes with described function. These results pointed genes associated to AG of various saturations, and the genes SAMD8 and BSCL2, which are related to lipid metabolism; and the RAPGEF6 gene, related to energetic metabolism. Thus, the numerous genomic regions found in this study, as well as the genes identified in them, should contribute to the formation of a genetic basis of the Nellore beef (Bos indicus) fatty acid profile, contributing to a better selection of the traits associated with improvement of human health. The knowledge of these CNVs could improve the understanding of the genetic and physiological mechanisms that contribute to the productive traits, as well as the selection of more productive and efficient animals. FAPESP: 2013/11853-4

A principal contribuição da genética molecular é a utilização direta das informações de DNA no processo de identificação de indivíduos geneticamente superiores. Sob esse enfoque, idealizou-se a seleção genômica ampla (Genome Wide Selection - GWS), a qual consiste na análise de marcadores SNPs (Single Nucleotide Polymorphisms) amplamente distribuídos no genoma. Devido a esse grande número de SNPs, geralmente maior que o número de indivíduos genotipados, e à alta colinearidade entre eles, métodos de redução de dimensionalidade são requeridos. Dentre estes, destaca-se o método de regressão via Quadrados Mínimos Parciais (Partial Least Squares - PLS), que além de solucionar tais problemas, permite uma abordagem multivariada, considerando múltiplos fenótipos. Diante do exposto, objetivou-se aplicar e comparar a regressão PLS univariada (UPLS) e multivariada (MPLS) na GWS para características de carcaça em uma população F2 de suínos Piau×Comercial. Os resultados evidenciaram a superioridade do método MPLS, uma vez que este proporcionou maiores valores de acurácia em relação à abordagem univariada. The main contribution of molecular genetics is the direct use of DNA information to identify genetically superior individuals. Under this approach, genome-wide selection (GWS) can be used with this purpose. GWS consists in analyzing of a large number of SNP markers widely distributed in the genome, and due to the fact that the number of markers is much larger than the number of genotyped individuals and also to the fact that such markers are highly correlated special statistical methods, like Partial Least Squares (PLS), are widely required. Thus, the aim of this paper was to propose an application of Uni (UPLS) and Multivariate (MPLS) Partial Least Squares regression to GWS of carcass traits in an F2 (Piau × commercial) pig population. The results showed that MPLS method provided most accurate genomic breeding values estimates than univariate method.

Submitted by ALEJANDRA MARIA TORO OSPINA null (alejita-t_92@hotmail.com) on 2017-03-18T16:50:07Z No. of bitstreams: 1 dissertação_Alejandra_Toro.pdf: 1073618 bytes, checksum: 4de34349c23cb909c3128081fe41cc42 (MD5) Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2017-03-22T12:59:36Z (GMT) No. of bitstreams: 1 toroospina_am_me_jabo.pdf: 1073618 bytes, checksum: 4de34349c23cb909c3128081fe41cc42 (MD5) Made available in DSpace on 2017-03-22T12:59:36Z (GMT). No. of bitstreams: 1 toroospina_am_me_jabo.pdf: 1073618 bytes, checksum: 4de34349c23cb909c3128081fe41cc42 (MD5) Previous issue date: 2017-02-24 O objetivo deste estudo foi estimar o desequilíbrio de ligação (r2) nas distâncias de 25-50kb, 50-100kb, 100-500kb, 0,5-1Mb e o tamanho efetivo (Ne) nas gerações 0, 5, 10, 15, 20 em população da raça Gir selecionada para crescimento pós-desmama. Os animais utilizados no presente estudo foram provenientes do rebanho fechado do Instituto de Zootecnia, Sertãozinho, SP. Foram obtidos os genótipos de 155 animais com o painel BovineDL 33kb e 18 com painel HD imputado onde realizou-se controle de qualidade (CQ) para alelo de menor frequência (MAF) < 0,02 e call rate < 0,1. Depois do CQ permaneceram 27.236 SNPs e 155 animais do painel de 33 kb e 732.962 SNPs e 173 animais do painel HD Imputado. As análises de r2 foram realizadas pelo programa Plink e programa estatístico R Studio e o Ne por meio do DL. Os resultados das distâncias 25-50kb, 50-100kb, 100-500kb e 0,5-1Mb do r2 para o painel 33kb foram iguais a 0,29, 0,25, 0,16 e 0,032 respectivamente, e 0,35, 0,29, 0,18, 0,032 para o painel HD imputado demostrando que o DL permaneceu nas distâncias menores a 100kb, decaindo com o aumento das distâncias. Estes resultados foram maiores aos descritos na literatura para animais zebuínos, sugerindo como causa os segmentos longos de haplótipos que compartilham os animais aparentados. O Ne foi igual a 9, 17, 24, 30 e 30 animais nas gerações 0, 5, 10, 15, 20, observa-se que o Ne é maior na geração 20, com 30 animais, e decai drasticamente a partir da 5 geração com 17 animais, e sendo de 9 animais a última geração, um tamanho pequeno para uma população. Os valores encontrados neste estudo mostram alto DL e baixo Ne, provavelmente pelo sistema de seleção e a estrutura da população da raça Gir avaliada, que apresenta alto nível de endogamia, perda da variabilidade genética, uso intensivo de pequeno número de reprodutores, conduzindo a diminuição da deriva genética da população, ocasionando dificuldades na seleção dos animais. The aim of this study was to estimate the linkage disequilibrium (r2) at distances of 25-50kb, 50-100kb, 100-500kb, 0,5-1Mb and the effective population size (Ne) in generations 0, 5, 10, 15, 20 in population of the selected Gir for yearling growth. The animals used in this study were from the closed herd Animal Science Institute, Sertãozinho, SP. the genotypes of 155 animals were obtained with BovineDL 33kb and 18 animals of panel HD, where quality control was held (QC) for minor allele frequency (MAF)

Submitted by RAFAEL ESPIGOLAN (espigolan@yahoo.com.br) on 2017-03-17T22:04:14Z No. of bitstreams: 1 Tese_Rafael_Espigolan.pdf: 1532864 bytes, checksum: c79ad7471b25137c47529f25762a83a2 (MD5) Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2017-03-22T12:50:50Z (GMT) No. of bitstreams: 1 espigolan_r_dr_jabo.pdf: 1532864 bytes, checksum: c79ad7471b25137c47529f25762a83a2 (MD5) Made available in DSpace on 2017-03-22T12:50:50Z (GMT). No. of bitstreams: 1 espigolan_r_dr_jabo.pdf: 1532864 bytes, checksum: c79ad7471b25137c47529f25762a83a2 (MD5) Previous issue date: 2017-02-23 Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) O melhoramento genético animal visa melhorar a produtividade econômica das futuras gerações de espécies domésticas por meio da seleção. A maioria das características de interesse econômico na pecuária é de expressão quantitativa e complexa, isto é, são influenciadas por vários genes e afetadas por fatores ambientais. As análises estatísticas de informações de fenótipo e pedigree permite estimar os valores genéticos dos candidatos à seleção com base no modelo infinitesimal. Uma grande quantidade de dados genômicos está atualmente disponível para a identificação e seleção de indivíduos geneticamente superiores com o potencial de aumentar a acurácia de predição dos valores genéticos e, portanto, a eficiência dos programas de melhoramento genético animal. Vários estudos têm sido conduzidos com o objetivo de identificar metodologias apropriadas para raças e características específicas, o que resultará em estimativas de valores genéticos genômicos (GEBVs) mais acurados. Portanto, o objetivo deste estudo foi verificar a possibilidade de aplicação de modelos semiparamétricos para a seleção genômica e comparar a habilidade de predição com os modelos paramétricos para dados reais (características de carcaça, qualidade da carne, crescimento e reprodutiva) e simulados. As informações fenotípicas e de pedigree utilizadas foram fornecidas por onze fazendas pertencentes a quatro programas de melhoramento genético animal. Para as características de carcaça e qualidade da carne, o banco de dados continha 3.643 registros para área de olho de lombo (REA), 3.619 registros para espessura de gordura (BFT), 3.670 registros para maciez da carne (TEN) e 3.378 observações para peso de carcaça quente (HCW). Um total de 825.364 registros para peso ao sobreano (YW) e 166.398 para idade ao primeiro parto (AFC) foi utilizado para as características de crescimento e reprodutiva. Genótipos de 2.710, 2.656, 2.749, 2.495, 4.455 e 1.760 animais para REA, BFT, TEN, HCW, YW e AFC foram disponibilizados, respectivamente. Após o controle de qualidade, restaram dados de, aproximadamente, 450.000 polimorfismos de base única (SNP). Os modelos de análise utilizados foram BLUP genômico (GBLUP), single-step GBLUP (ssGBLUP), Bayesian LASSO (BL) e as abordagens semiparamétricas Reproducing Kernel Hilbert Spaces (RKHS) e Kernel Averaging (KA). Para cada característica foi realizada uma validação cruzada composta por cinco “folds” e replicada aleatoriamente trinta vezes. Os modelos estatísticos foram comparados em termos do erro do quadrado médio (MSE) e acurácia de predição (ACC). Os valores de ACC variaram de 0,39 a 0,40 (REA), 0,38 a 0,41 (BFT), 0,23 a 0,28 (TEN), 0,33 a 0,35 (HCW), 0,36 a 0,51 (YW) e 0,49 a 0,56 (AFC). Para todas as características, os modelos GBLUP e BL apresentaram acurácias de predição similares. Para REA, BFT e HCW, todos os modelos apresentaram ACC similares, entretanto a regressão RKHS obteve o melhor ajuste comparado ao KA. Para características com maior quantidade de registros fenotípicos comparada ao número de animais genotipados (YW e AFC) o modelo ssGBLUP é indicado. Considerando o desempenho geral, para todas as características estudadas, a regressão RKHS é, particularmente, uma alternativa interessante para a aplicação na seleção genômica, especialmente para características de baixa herdabilidade. No estudo de simulação, genótipos, pedigree e fenótipos para quatro características (A, B, C e D) foram simulados utilizando valores de herdabilidade baseados nos obtidos com os dados reais (0,09, 0,12, 0,36 e 0,39 para cada característica, respectivamente). O genoma simulado consistiu de 735.293 marcadores e 1.000 QTLs distribuídos aleatoriamente por 29 pares de autossomos, com comprimento variando de 40 a 146 centimorgans (cM), totalizando 2.333 cM. Assumiu-se que os QTLs explicavam 100% da variação genética. Considerando as frequências do alelo menor maiores ou iguais a 0,01, um total de 430.000 marcadores foram selecionados aleatoriamente. Os fenótipos foram obtidos pela soma dos resíduos (aleatoriamente amostrados de uma distribuição normal com média igual a zero) aos valores genéticos verdadeiros, e todo o processo de simulação foi replicado 10 vezes. A ACC foi calculada por meio da correlação entre o valor genético genômico estimado e o valor genético verdadeiro, simulados da 12a a 15a geração. A média do desequilíbrio de ligação, medido entre os pares de marcadores adjacentes para todas as características simuladas foi de 0,21 para as gerações recentes (12a, 13a e 14a), e 0,22 para a 15a geração. A ACC para as características simuladas A, B, C e D variou de 0,43 a 0,44, 0,47 a 0,48, 0,80 a 0,82 e 0,72 a 0,73, respectivamente. Diferentes metodologias de seleção genômica implementadas neste estudo mostraram valores similares de acurácia de predição, e o método mais adequado é dependente da característica explorada. Em geral, as regressões RKHS obtiveram melhor desempenho em termos de ACC com menor valor de MSE em comparação com os outros modelos. Animal breeding aims to improve economic productivity of future generations of domestic species through selection. Most of the traits of economic interest in livestock have a complex and quantitative expression i.e. are influenced by a large number of genes and affected by environmental factors. Statistical analysis of phenotypes and pedigree information allows estimating the breeding values of the selection candidates based on infinitesimal model. A large amount of genomic data is now available for the identification and selection of genetically superior individuals with the potential to increase the accuracy of prediction of genetic values and thus, the efficiency of animal breeding programs. Numerous studies have been conducted in order to identify appropriate methodologies to specific breeds and traits, which will result in more accurate genomic estimated breeding values (GEBVs). Therefore, the objective of this study was to verify the possibility of applying semi-parametric models for genomic selection and to compare their ability of prediction with those of parametric models for real (carcass, meat quality, growth and reproductive traits) and simulated data. The phenotypic and pedigree information used were provided by farms belonging to four animal breeding programs which represent eleven farms. For carcass and meat quality traits, the data set contained 3,643 records for rib eye area (REA), 3,619 records for backfat thickness (BFT), 3,670 records for meat tenderness (TEN) and 3,378 observations for hot carcass weight (HCW). A total of 825,364 records for yearling weight (YW) and 166,398 for age at first calving (AFC) were used as growth and reproductive traits of Nelore cattle. Genotypes of 2,710, 2,656, 2,749, 2,495, 4,455 and 1,760 animals were available for REA, BFT, TEN, HCW, YW and AFC, respectively. After quality control, approximately 450,000 single nucleotide polymorphisms (SNP) remained. Methods of analysis were genomic BLUP (GBLUP), single-step GBLUP (ssGBLUP), Bayesian LASSO (BL) and the semi-parametric approaches Reproducing Kernel Hilbert Spaces (RKHS) regression and Kernel Averaging (KA). A five-fold cross-validation with thirty random replicates was carried out and models were compared in terms of their prediction mean squared error (MSE) and accuracy of prediction (ACC). The ACC ranged from 0.39 to 0.40 (REA), 0.38 to 0.41 (BFT), 0.23 to 0.28 (TEN), 0.33 to 0.35 (HCW), 0.36 to 0.51 (YW) and 0.49 to 0.56 (AFC). For all traits, the GBLUP and BL models showed very similar prediction accuracies. For REA, BFT and HCW, models provided similar prediction accuracies, however RKHS regression had the best fit across traits considering multiple-step models and compared to KA. For traits which have a higher number of animals with phenotypes compared to the number of those with genotypes (YW and AFC), the ssGBLUP is indicated. Judged by overall performance, across all traits, the RKHS regression is particularly appealing for application in genomic selection, especially for low heritability traits. Simulated genotypes, pedigree, and phenotypes for four traits A, B, C and D were obtained using heritabilities based on real data (0.09, 0.12, 0.36 and 0.39 for each trait, respectively). The simulated genome consisted of 735,293 markers and 1,000 QTLs randomly distributed over 29 pairs of autosomes, with length varying from 40 to 146 centimorgans (cM), totaling 2,333 cM. It was assumed that QTLs explained 100% of genetic variance. Considering Minor Allele Frequencies greater or equal to 0.01, a total of 430,000 markers were randomly selected. The phenotypes were generated by adding residuals, randomly drawn from a normal distribution with mean equal to zero, to the true breeding values and all simulation process was replicated 10 times. ACC was quantified using correlations between the predicted genomic breeding value and true breeding values simulated for the generations of 12 to 15. The average linkage disequilibrium, measured between pairs of adjacent markers for all simulated traits was 0.21 for recent generations (12, 13 and 14), and 0.22 for generation 15. The ACC for simulated traits A, B, C and D ranged from 0.43 to 0.44, 0.47 to 0.48, 0.80 to 0.82 and 0.72 to 0.73, respectively. Different genomic selection methodologies implemented in this study showed similar accuracies of prediction, and the optimal method was sometimes trait dependent. In general, RKHS regressions were preferable in terms of ACC and provided smallest MSE estimates compared to other models. FAPESP: 2014/00779-0 FAPESP: 2015/13084-3

Background: The advent of high-throughput genotyping technologies coupled to genomic prediction methods established a new paradigm to integrate genomics and breeding. We carried out whole-genome prediction and contrasted it to a genome-wide association study (GWAS) for growth traits in breeding populations of Eucalyptus benthamii (n =505) and Eucalyptus pellita (n =732). Both species are of increasing commercial interest for the development of germplasm adapted to environmental stresses. Results: Predictive ability reached 0.16 in E. benthamii and 0.44 in E. pellita for diameter growth. Predictive abilities using either Genomic BLUP or different Bayesian methods were similar, suggesting that growth adequately fits the infinitesimal model. Genomic prediction models using ~5000?10,000 SNPs provided predictive abilities equivalent to using all 13,787 and 19,506 SNPs genotyped in the E. benthamii and E. pellita populations, respectively. No difference was detected in predictive ability when different sets of SNPs were utilized, based on position (equidistantly genome-wide, inside genes, linkage disequilibrium pruned or on single chromosomes), as long as the total number of SNPs used was above ~5000. Predictive abilities obtained by removing relatedness between training and validation sets fell near zero for E. benthamii and were halved for E. pellita. These results corroborate the current view that relatedness is the main driver of genomic prediction, although some short-range historical linkage disequilibrium (LD) was likely captured for E. pellita. A GWAS identified only one significant association for volume growth in E. pellita, illustrating the fact that while genome-wide regression is able to account for large proportions of the heritability, very little or none of it is captured into significant associations using GWAS in breeding populations of the size evaluated in this study. Conclusions: This study provides further experimental data supporting positive prospects of using genome-wide data to capture large proportions of trait heritability and predict growth traits in trees with accuracies equal or better than those attainable by phenotypic selection. Additionally, our results document the superiority of the whole-genome regression approach in accounting for large proportions of the heritability of complex traits such as growth in contrast to the limited value of the local GWAS approach toward breeding applications in forest trees. Made available in DSpace on 2017-11-20T23:23:28Z (GMT). No. of bitstreams: 1 2017PauloEBMCGGenomicprediction.pdf: 1784349 bytes, checksum: 9e3f6bd3a34bde2eb849a353fa8ba2f6 (MD5) Previous issue date: 2017-11-20

Genomic selection is the main force driving applied breeding programs and accuracy is the main measure for evaluating its efficiency. The traditional estimator (TE) of experimental accuracy is not fully adequate. This study proposes and evaluates the performance and efficiency of two new accuracy estimators, called regularized estimator (RE) and hybrid estimator (HE), which were applied to a practical cassava breeding program and also to simulated data. The simulation study considered two individual narrow sense heritability levels and two genetic architectures for traits. TE, RE, and HE were compared under four validation procedures: without validation (WV), independent validation, ten-fold validation through jacknife allowing different markers, and with the same markers selected in each cycle. RE presented accuracies closer to the parametric ones and less biased and more precise ones than TE. HE proved to be very effective in the WV procedure. The estimators were applied to five traits evaluated in a cassava experiment, including 358 clones genotyped for 390 SNPs. Accuracies ranged from 0.67 to 1.12 with TE and from 0.22 to 0.51 with RE. These results indicated that TE overestimated the accuracy and led to one accuracy estimate (1.12) higher than one, which is outside of the parameter space. Use of RE turned the accuracy into the parameter space. Cassava breeding programs can be more realistically implemented using the new estimators proposed in this study, providing less risky practical inferences. Made available in DSpace on 2018-01-03T23:18:24Z (GMT). No. of bitstreams: 1 2016M.DeonGMRNewAccuracy.pdf: 1325061 bytes, checksum: e2e38f55cac37e10f28ccaa05e34001e (MD5) Previous issue date: 2017-07-14

Although thousands of scientific articles have been published on the subject of marker-assisted selection (MAS) and quantitative trait loci (QTL), the application of MAS for QTL in plant breeding has been restricted. Among the main causes for this limited use are the low accuracy of QTL mapping and the high costs of genotyping thousands of plants with tens or hundreds of molecular markers in routine breeding programs. Recently, new large-scale genotyping technologies have resulted in a cost reduction. Nevertheless, the MAS for QTL has so far been limited to selection programs using several generations per year, where phenotypic selection cannot be performed in all generations, mainly in recurrent selection programs. Methods of MAS for QTL in breeding programs using self-pollination have been developed. Embora milhares de artigos científicos tenham sido publicados com os temas de seleção assistida por marcadores (SAM) e quantitative trait loci (QTLs), a utilização de SAM para QTLs tem tido uso limitado nos programas de melhoramento genético. Entre as principais causas para este baixo uso, estão a baixa precisão com que os QTLs são mapeados, e o alto custo da genotipagem de milhares de indivíduos com dezenas ou centenas de marcadores moleculares, nas rotinas dos programas de melhoramento. Recentemente, novas tecnologias de genotipagem em larga escala têm permitido a redução do custo de genotipagem. Ainda assim, atualmente a SAM para QTLs tem sido limitada à seleção em programas que utilizem diversas gerações por ano, onde a seleção fenotípica não pode ser realizada em todas as gerações, especialmente em programas de seleção recorrente. Métodos para SAM para QTLs em programas que utilizem autofecundação têm sido desenvolvidos.

Submitted by CLARISSA HELENA SANTANA null (santana.chs@gmail.com) on 2016-03-21T18:17:24Z No. of bitstreams: 1 Dissertação_Clarissa_Helena_Santana.pdf: 1159982 bytes, checksum: 1160868d6c0bff2c67119202847275c7 (MD5) Approved for entry into archive by Ana Paula Grisoto (grisotoana@reitoria.unesp.br) on 2016-03-22T17:26:26Z (GMT) No. of bitstreams: 1 santana_ch_me_jabo.pdf: 1159982 bytes, checksum: 1160868d6c0bff2c67119202847275c7 (MD5) Made available in DSpace on 2016-03-22T17:26:26Z (GMT). No. of bitstreams: 1 santana_ch_me_jabo.pdf: 1159982 bytes, checksum: 1160868d6c0bff2c67119202847275c7 (MD5) Previous issue date: 2016-02-26 Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) A bovinocultura é um setor com importante destaque no agronegócio brasileiro. O carrapato Ripicephalus (Boophilus) microplus é responsável por perdas econômicas significativas aos pecuaristas e é vetor de hemoparasitoses como Anaplasma spp e Babesia spp. Sabe-se que os bovinos Bos taurus taurus são mais susceptíveis à infestação por carrapatos do que Bos taurus indicus. Acredita-se que o mesmo ocorra para a infecção por Babesia bovis. Neste trabalho, foram avaliados, em duas colheitas, 355 bovinos da raça Angus, pertencentes a uma fazenda de Uruguaiana-RS, nos quais foram realizadas contagens de carrapatos e colheitas de amostras de sangue para quantificação de B. bovis, pela técnica de qPCR, e genotipagem com chip de 150.000 marcadores SNP. Para qPCR utilizaram-se sequências iniciadoras que flanqueiam um fragmento do gene do citocromo B (mt-cytB), como oligonucleotídeos iniciadores. Após genotipagem dos bovinos com o chip Gene Seek Genomic Profiler™ (GGP-HD) da Illumina Infinium®, foi realizado imputação de genótipos, para recuperação de genótipos faltantes, e controle de qualidade. Foi realizada análise de associação genômica ampla (GWAS), para cada uma das características, infecção por B. bovis e resistência a carrapatos, através do método denominado “Single Step Genomic BLUP” (ssGBLUP). Todos os animais apresentaram infestação por carrapatos e infecção por B. bovis, determinada pela qPCR, e altos valores médios para ambas as características. Algumas regiões cromossômicas foram identificadas como significativas para as características estudadas, sendo que, sete dos cromossomos identificados no presente estudo já haviam sido descritos em outros trabalhos. Neste sentido, o presente estudo corrobora com outros resultados indicando que a técnica de qPCR é um método sensível de detecção de B. bovis em animais Angus e que as regiões genômicas identificadas como significativas podem ser importantes para a variação das características estudadas. The cattle industry is a sector with importance in the Brazilian agribusiness. The Ripicephalus (Boophilus) microplus is responsible for economic losses and is a vector for hemoparasitoses, such as Anaplasma spp and Babesia spp. It is known that the Bos tauros animals are more susceptible to infestation by ticks when compared with infestation in Bos indicus animals. It is believed that the same behavior keeps for infection by Babesia bovis. They were evaluated, in two collections, 355 Angus cattle, from a farm in Uruguaiana city, estate of Rio Grande do Sul, where were performed tick counts, quantification of B. bovis by qPCR and genotyping with a 150K chip. Were used as primers, in the qPCR, sequences that flanking the fragment of the cytochrome b gene. The technique was standardized and optimized using specimens of isolates of B. bovis. After genotyping, imputation was carried out, for recovery of missing genotypes, and quality control. Genome association analysis was performed (GWAS), to each of the characteristics, through the method called "Single Step Genomic BLUP" (ssGBLUP). All animals showed tick infestation and infection by B. bovis and high average values for both characteristics. Some regions on chromosomes were identified as significant to the characteristics tick infestation and infection by B. bovis, and seven chromosomes, identified in the present study, were already described in other studies. The present study agrees with other results indicating that the qPCR technique is a sensitive method to detecting B. bovis in Angus and genomic regions identified may be significant for the variation of these characteristics.

Submitted by EFRAIN ENRIQUE ACEVEDO JIMENEZ null (enriqueacevedojimenez@hotmail.com) on 2016-03-10T12:19:26Z No. of bitstreams: 1 Jiménez_ee_dr_jabo.pdf: 1090007 bytes, checksum: 8163507cf7a78fc0b9aa5479e1e8abc3 (MD5) Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2016-03-10T20:29:32Z (GMT) No. of bitstreams: 1 jimenez_eea_dr_jabo.pdf: 1090007 bytes, checksum: 8163507cf7a78fc0b9aa5479e1e8abc3 (MD5) Made available in DSpace on 2016-03-10T20:29:32Z (GMT). No. of bitstreams: 1 jimenez_eea_dr_jabo.pdf: 1090007 bytes, checksum: 8163507cf7a78fc0b9aa5479e1e8abc3 (MD5) Previous issue date: 2016-02-05 Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) Os critérios de seleção mais empregados para bubalinos no Brasil incidem em atributos associados a aspectos produtivos. Entretanto, o sucesso do sistema produtivo depende de diversos fatores ambientais e genéticos, sendo que a produção de leite depende diretamente da reprodução dos animais. Neste sentido, a reprodução pode ser usada na geração de novas características indicadoras de precocidade sexual no processo de seleção dos animais. O objetivo deste estudo foi obter a confiabilidade das avaliações genômicas para a predição dos valores genéticos genômicos de produção de leite (PL), idade ao primeiro parto (IPP) e intervalo entre partos (IEP) utilizando as metodologias de GBLUP, Bayes Cπ e LASSO Bayesiano. Foram genotipados 452 búfalos (57 machos e 395 fêmeas) utilizando o painel de 90K Axiom® Buffalo Genotyping Array da Affymetrix. Para a comparação dos modelos relacionadas ao delineamento de cross-validação, foram utilizadas a correlação de Pearson e a regressão entre a variável resposta (valor desregredido da característica) e o valor genético considerando apenas marcadores, e considerando marcadores mais o efeito poligenico (GEVBM e GEVBT). Concluiu-se que em estudos de seleção genômica recomenda-se a utilização das informações poligênicas e dos marcadores para obter uma melhor predição genômica nas características do estudo nos bubalinos. Entre os modelos estudados os resultados mostram que as predições bayesianas e GBLUP apresentaram estimativas equivalentes. Entretanto poderia ser recomendado a utilização do GBLUP nas avaliações genômicas das características em bubalinos, devido a que o GBLUP tem uma menor exigência computacional e facilidade em convergência. CAPES: 5615119

Made available in DSpace on 2019-08-10T00:52:30Z (GMT). No. of bitstreams: 1 santanachmejabo1.pdf: 1159982 bytes, checksum: 1160868d6c0bff2c67119202847275c7 (MD5) Previous issue date: 2016 Orientador: Prof. Dr. Henrique Nunes Oliveira. Coorientadora: Prof. Dr. Marcia Cristina de Sena Oliveira, Embrapa Pecuária Sudeste.

Background: DNA markers have been widely used in genetic evaluation throughout the last decade due to the increased reliability of breeding values (BV) they allow, mainly in young animals. Objective: to compare breeding values estimated through the conventional method (best linear unbiased predictor, BLUP) with methods that include molecular markers for milk traits in Holstein cattle in Antioquia (Colombia). Methods: predictions of breeding values were performed using three methods: BLUP, molecular best linear unbiased predictor (MBLUP), and Bayes C. The breeding values were compared using Spearman's correlation coefficient and linear regression coefficient. Results: all Spearman correlation coefficients between breeding values obtained by different methods were greater than 0.5, while linear regression coefficients ranged between -2.10 and 1.58. Conclusions: prediction of breeding values through BLUP, MBLUP and Bayes C showed different results in terms of magnitude from the estimated values. However, animal ranking according to breeding values was not significantly different. Antecedentes: en la última década, los marcadores de DNA han sido ampliamente usados en evaluaciones genéticas porque incrementan la confiabilidad de valores genéticos principalmente en animales jóvenes. Objetivo: comparar valores genéticos (BV) estimados por el método convencional (mejor estimador lineal insesgado, BLUP) y métodos que incluyen marcadores moleculares para algunas características lecheras en ganado Holstein de Antioquia (Colombia). Métodos: la predicción de valores genéticos se realizó mediante tres métodos: BLUP, mejor predictor lineal insesgado molecular (MBLUP) y Bayes C. Los valores genéticos fueron comparados usando el coeficiente de correlación de Spearman y el coeficiente de regresión lineal. Resultados: todos los coeficientes de correlación de Spearman entre los valores genéticos obtenidos por los diferentes métodos fueron mayores de 0,5. Mientras que los coeficientes de regresión lineal oscilaron entre -2,10 y 1,96. Conclusiones: la predicción de valores genéticos empleando los métodos BLUP, MBLUP y Bayes C fue diferente en términos de la magnitud de los valores estimados. Sin embargo el ranking o clasificación de los animales por sus valores genéticos no fue alterado significativamente. Antecedentes: na última década, os marcadores moleculares que identificam polimorfismos no DNA têm sido utilizados amplamente nas avaliações genéticas porque aumentam a fiabilidade dos valores genéticos (BV) estimados principalmente em animais jovens. Objetivo: comparar valores genéticos estimados pelo método convencional (melhor preditor linear não-viesado, BLUP) e métodos que incluem marcadores moleculares para algumas características leiteiras no gado holandês de Antioquia (Colômbia). Métodos: as predições dos valores genéticos foram realizadas por meio de três métodos: BLUP, melhor preditor linear não-viesado molecular (MBLUP) e Bayes C. Os valores genéticos foram comparados por meio de coeficientes de correlação de Spearman e de coeficientes de regressão linear. Resultados: os coeficientes de correlação de Spearman entre os valores genéticos obtidos pelos diferentes métodos foram maiores que 0,5. Enquanto os coeficientes de regressão linear variaram entre -2,10 e 1,96. Conclusões: a predição dos valores genéticos usando os métodos BLUP, MBLUP e Bayes C foi diferente em quanto à magnitude dos valores estimados. No entanto, o ranking ou classificação de animais por seus valores genéticos não foi alterada significativamente.

Conselho Nacional de Desenvolvimento Científico e Tecnológico A genome wide selection (GWS) has been proposed to increase the efficiency of breeding programs and to optimize the selection process using pre-estimated information from hundreds or thousands molecular markers. The most suitable and usedfor this purpose are DArTs and SNPs markers. However, despite the advances in molecular biology and related reduction in the price of obtaining markers for genotyping many individuals with high density of markers, it may not be economically feasible in some breeding programs yet, depending on the species. Given the above, the objectives of this work were:i) screening markers for genomic selection in eucalypt selection by the effect of markers and by linkage disequilibrium (LD) with verification of predictive capacity after number of markers reduction; ii) verification of the expected genetic gain based on phenotypic selection and use of GWS, with and without markers selection; iii ) to compare the use of DArTand SNP markers in GWS in the same population of Eucalyptus; iv ) proposing new validation for RR-BLUP-B method proposed by Resende et al . (2010). Results demonstrate that the selection of markers can maintain the predictive ability of the methods GWS very close to those obtained using all markers. The genetic gain per unit of time, regardless of the method used, were superior to the traditional selection and can be maintained using selection markers. Moreover, in this study the reduction approach via linkage disequilibrium (PTMOD) was higher than RR-BLUP-B (effect of markers), but with a smaller reduction in the number of selected SNPs. For the population of eucalyptus and variables used in this study, DArTsmarkers with lower density showed better predictions in GWS regarding the use of SNP markers with higher density. The RR-BLUP-B modified overestimated the predictive ability compared to the original RR-BLUP-B method. Soitis recommended an independent validation as the best form of validation. A seleção genômica ampla (GWS) foi proposta visando aumentar a eficiência dos programas de melhoramento genético e otimizar o processo de seleção utilizando informações pré-estimadas de centenas ou milhares de marcadores moleculares, sendo os marcadores DArTs e SNPs os mais apropriados para tal propósito. No entanto, apesar do avanço da biologia molecular e a relativa redução do preço de obtenção de marcadores a genotipagem de muitos indivíduos com alta densidade de marcadores pode não ser economicamente viável em alguns programas de melhoramento, dependendo da espécie. Os objetivos desse trabalho foram: i)triagem de marcadores para seleção genômica em eucalipto via seleção pelo efeito dos marcadores e via desequilíbrio de ligação (LD) com a verificação da capacidade preditiva após redução dimensional; ii) verificaçãodo ganho genético esperado baseado em seleção fenotípica e com uso da GWS, com e sem seleção de marcadores; iii)comparar a utilização de marcadores DArTs e SNPs na GWS em uma mesma população de eucalipto; iv) proposição de uma modificação para o método RR-BLUP-B preconizado por Resende et al. (2010).Os resultados demonstram que a seleção de marcadores pode manter a capacidade preditiva dos métodos de GWS muito próximas as obtidas utilizando-se todos os marcadores. Os ganhos genéticos por unidade de tempo, independente do método utilizado, foram superiores aos da seleção tradicional e podem ser mantidos utilizando a seleção de marcadores. Ademais, neste estudo, a abordagem de redução via desequilíbrio de ligação (PTMOD) foi superior ao RR-BLUP-B (efeito de marcas), porém, com menor redução no número de SNPs selecionados.Para a população de eucalipto e variáveis empregadas neste trabalho, os marcadores DArTs com menor densidade apresentaram melhores predições na GWS em relação a utilização de marcadores SNPs com maior densidade. O método RR-BLUP-B modificadosuperestimou a capacidade preditiva em relação ao método RR-BLUP-B original. Portanto, recomenda-se a validação independente como melhor forma de validação.

Objetivou-se neste primeiro capítulo, definir conceitos básicos em genética quantitatica e molecular e revisar metodologias aplicadas para seleção genômica. Primeiramente modelos utilizados para a predição de efeitos de marcadores são descritos dentre eles regressões Bayesianas (BayesA, BayesB, Bayesian LASSO, entre outros), regressões semi-paramétricas (Reproducing Kernel Hilbert Spaces) e métodos não paramétricos (Redes Neurais com Regularização Bayesiana). Quanto aos métodos semi e nãoparamétricos,eles têm sido propostos para seleção genômica com a vantagem de capturar efeitos não-lineares entre marcadores, o que seria impossível ajustando modelos lineares. Outra ferramenta também descrita é a imputação de genótipos, utilizada para preencher dados faltantes, unir bancos de dados prevenientes de diferentes painéis de marcadores ou mesmo aumentar a quantidade de SNPs contidos nos painéis. The objective in this first chapter was to define basic concepts in quantitative and molecular genetics and to review methodologies that have been applied for genome-enabled prediction. First, models for markers effects prediction were described as Bayesian regressions (BayesA, BayesB, Bayesian LASSO, and others), semi-parametric regression (Reproducing Kernel Hilbert Spaces) and non-parametric methods (Bayesian Regularized Neural Networks). Regarding the semi and non-parametric methods, they have been proposed for genome-enabled prediction having the advantage of capturing non-linear effects between markers, which would be impossible fitting linear models. Another tool also described in this review is the genotype imputation that have been applied for fill missing data from the lab,merge data sets from different chips and even increase the number of SNPs contained in the chips.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior The aim of the genome wide association studies (GWAS) is to identify chromosome regions associated with phenotypic traits, based in differences between allele frequencies of single nucleotide polymorphisms (SNPs). The aim of this study was to identify SNPs in the swine genomes that influence productive and reproductive traits, using information from animals from a breeding swine program. It was used genotypic and phenotypic data from Landrace (LA) and Large White (LW) animals. First, it was performed quality control of samples and SNPs. After this step, the GWAS analysis for age adjusted to 100 kg and age at first farrowing traits, were performed only with LA data. The quality control for samples removed in the cases of disagreement on sex or paternity, duplicate animals, call rate < 90%, deviations of heterozygosity of more than ± 3 standard deviations, and check if there is stratification and substructure in the population. For the quality control of the SNPs, were removed those that have call rate < 0.98, the minor allele frequency (MAF) < 0.03, Hardy-Weinberg equilibrium (HWE) with χ2 < 10-6, and the SNPs that were coincident. The softwares R and Plink were used for this analysis. After removing samples and SNPs that were problematic, for the analysis remained 604 samples and 42,360 SNPs for LA and for LW there were 345 samples and 40,166 SNPs. For GWAS analysis, by single marker, phenotypic data were previously corrected for contemporary group effects for both traits. The model included as fixed effects the mean and the SNPs and as random infinitesimal effect and residue. The relationship matrix contains information of the last 3 generations of genotyped animals. It was considered 3 thresholds: a conservative (p-value = 5x10-7), a moderate (p- value = 5x10-5) and one based on Bonferroni test (p-value = 1.18x10-6). The GWAS analysis for age at 100 kg found 22 significant SNPs on chromosome 1 and one SNP on chromosome 4, considering the moderate threshold. For age at first farrowing, two SNPs were significant, with no defined position in the genome. For both traits, the additive effect estimated was of large magnitude, 2.22 days for age at 100 kg and 4.69 days for age at first farrowing, indicating a great potential of the inclusion of this information in selection to reduce these traits. The quality control analysis was effective to remove samples and SNPs with problems in genotyping. Further analysis including more genotyped animals and evaluation of additional methodologies may detect SNPs with minor effect for traits of interest. A análise de associação global do genoma (GWAS) visa identificar regiões cromossômicas associadas a características fenotípicas de interesse econômico, com base nas diferenças entre as frequências alélicas dos polimorfismos de base única (SNPs). O objetivo nesse estudo foi identificar SNPs no genoma suíno que influenciam características produtiva e reprodutiva, utilizando informações provenientes de animais de um programa de melhoramento de suínos. Neste trabalho foram utilizados dados genotípicos e fenotípicos de animais da raça Landrace (LA) e Large White (LW). Primeiramente foi realizado o controle de qualidade de amostras e dos SNPs. Após esta etapa, as análises GWAS para as características idade ajustada aos 100 kg de peso corporal (ID100) e a idade ao primeiro parto (IPP) foram realizadas com dados da raça LA. No controle de qualidade foram removidas amostras com problemas de discordância de sexo, paternidade, animais duplicados, eficiência de genotipagem (call rate) < 90%, desvios da heterozigosidade de ±3 desvios-padrão, além de verificar a estratificação e subestrutura da população. Para o controle de qualidade dos SNPs, foram removidos aqueles que apresentaram eficiência de genotipagem < 0,98, frequência do menor alelo (MAF)

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior Parallel computing has been growing in recent years due to the lower cost of computers and the exponential growth of databases. The parallel processing involves performing multiple tasks simultaneously on different processors. In the context of genomic selection, the large number of genetic markers used in the analyzes as well as the high computational demand of Bayesian models based on methods of Markov Chain Monte Carlo makes that certain analyzes have weeks or months of runtime. Thus parallel computing is a natural solution to this problem. The method used for analysis was BayesCπ, which has only the Gibbs sampling steps. The algorithm was initially written in a sequential manner using FORTRAN. It was studied two parallelization strategies. The first involved the analysis of multiple parallel chains being recommended in the situation that the burn-in is not long. The second strategy is relative to the parallelization of the chain itself, being indicated for cases in which the burn-in time is too long. It was used the MPI library and the packet OpenMPI associated to the gfortran compiler for this purpose. The computations were performed on a personal computer, with six processing cores of 3.3 GHz and 16 GB of RAM (Random Access Memory) and a cluster with 120 processors of 2.77 GHz. Simulated data for two traits of dairy cattle, referring to 10,000 markers and 4,100 individuals, were used. In the personal computer, the sequential algorithm was processed at 77.29 hours and by using parallel multiple chains the processing was almost five times faster with six cores. The performance ratio between parallel and sequential algorithms was higher in the cluster, because its memory architecture scales better with the number of processors in use than the shared memory architecture of the personal computer. The second parallelization strategy presented a performance gain of only 19% with two processors. Using more processors the processing speed was diminishing slowly. This strategy applies only on systems with shared memory architecture, due to the high overhead generated by the intense exchange of information and tasks synchronization. Therefore parallel computing is a technique of fundamental importance for genomic selection and it will be more significant in coming years due to rapid growth of databases. More efficient strategies for parallelization of the chain itself must be developed, because in situations where the burn-in is too long the processing of multiple chains in parallel is not recommended. The ideal would be that these new approaches have good performance in systems with distributed memory architecture (clusters). A computação paralela vem crescendo nos últimos anos em virtude do menor custo dos computadores e do aumento exponencial dos bancos de dados. O processamento em paralelo envolve a execução de múltiplas tarefas simultaneamente em diferentes processadores. No contexto da seleção genômica, o grande número de marcadores genéticos utilizado nas análises, bem como a grande demanda computacional dos modelos bayesianos fundamentados nos métodos de Monte Carlo Via Cadeias de Markov, faz com que certas análises despendem semanas ou meses de processamento. Assim, a computação paralela representa uma solução natural a este problema. O método usado para análise foi o BayesCπ, o qual possui apenas passos do Amostrador de Gibbs. O algoritmo foi inicialmente escrito na forma sequencial usando o FORTRAN. Duas estratégias de paralelização foram então estudadas. A primeira envolveu a análise de múltiplas cadeias em paralelo, sendo recomendada na situação em que o burn-in não seja longo. A segunda estratégia referiu-se à paralelização da própria cadeia, sendo indicada para situações em que o burn-in é muito longo. Utilizou-se a biblioteca MPI e o pacote OpenMPI associado ao compilador gfortran para tal propósito. As computações foram realizadas em um computador pessoal, com seis núcleos de processamento de 3,3 GHz e 16 GB de memória RAM e em um cluster com 120 processadores de 2,77 GHz. Foram utilizados dados simulados para duas características produtivas de bovinos de leite, referentes a 10.000 marcadores e 4.100 indivíduos. No computador pessoal, o algoritmo sequencial foi processado em 77,29 horas e ao usar múltiplas cadeias em paralelo o processamento foi quase cinco vezes mais rápido com seis núcleos de processamento. A relação de desempenho entre o algoritmo paralelo e o sequencial foi maior no cluster, pois a sua arquitetura de memória escalona melhor com o número de processadores em uso do que a arquitetura de memória compartilhada do computador pessoal. A segunda estratégia de paralelização apresentou um ganho de desempenho de apenas 19% com dois processadores. Contudo, usando mais processadores não houve melhora de desempenho. Esta estratégia só se aplica em sistemas com arquitetura de memória compartilhada, devido ao elevado overhead (sobrecarga) gerado pela intensa troca de informações e sincronização das tarefas. Conclui-se que a computação paralela é uma técnica de fundamental importância para a seleção genômica, e isto será mais expressivo nos próximos anos devido ao rápido crescimento dos bancos de dados. Estratégias mais eficientes de paralelização da própria cadeia devem ser desenvolvidas, visto que nas situações em que o burn-in é muito longo o processamento de múltiplas cadeias em paralelo não é recomendado. O ideal seria que estas novas abordagens apresentassem bom desempenho em sistemas com arquitetura de memória distribuída (clusters).

The main contribution of molecular genetics is the direct use of DNA information to identify genetically superior individuals. Under this approach, genome-wide selection (GWS) can be used with this purpose. GWS consists in analyzing of a large number of SNP markers widely distributed in the genome, and due to the fact that the number of markers is much larger than the number of genotyped individuals (high dimensionality) and also to the fact that such markers are highly correlated (multicollinearity). However, the use of methodologies that address the adversities is fundamental to the success of genome wide selection. In view of, the aim of this dissertation was to propose the application of Independent Component Regression (ICR), Principal Component Regression (PCR), Partial Least Squares (PLS) and Random Regression Best Linear Unbiased Predictor, whereas carcass traits in an F2 population of pigs originated from the cross of two males from the naturalized Brazilian breed Piau with 18 females of a commercial line (Large White × Landrace × Pietrain), developed at the University Federal of Viçosa. The specific objectives were, to estimate Genomic Breeding Value (GBV) for each individual and estimate the effects of SNP markers in order to compare methods. The results showed that ICR method is more efficient, since provided most accurate genomic breeding values estimates for most carcass traits. A principal contribuição da genética molecular no melhoramento animal é a utilização direta das informações de DNA no processo de identificação de animais geneticamente superiores. Sob esse enfoque, a seleção genômica ampla (Genome Wide Selection GWS), a qual consiste na análise de um grande número de marcadores SNPs (Single Nucleotide Polymorphisms) amplamente distribuídos no genoma, foi idealizada. A utilização dessas informações é um desafio, uma vez que o número de marcadores é muito maior que o número de animais genotipados (alta dimensionalidade) e tais marcadores são altamente correlacionados (multicolinearidade). No entanto, o sucesso da seleção genômica ampla deve-se a escolha de metodologias que contemplem essas adversidades. Diante do exposto, o presente trabalho teve por objetivo propor a aplicação dos métodos de regressão via Componentes Independentes (Independent Component Regression ICR), regressão via componentes principais (Principal Component Regression PCR), regressão via Quadrados Mínimos Parciais (Partial Least Squares PLSR) e RR-BLUP, considerando características de carcaça em uma população F2 de suínos proveniente do cruzamento de dois varrões da raça naturalizada brasileira Piau com 18 fêmeas de linhagem comercial (Landrace × Large White × Pietrain), desenvolvida na Universidade Federal de Viçosa. Os objetivos específicos foram estimar Valores Genéticos Genômicos (Genomic Breeding Values GBV) para cada indivíduo avaliado e estimar efeitos de marcadores SNPs, visando a comparação dos métodos. Os resultados indicaram que o método ICR se mostrou mais eficiente, uma vez que este proporcionou maiores valores de acurácia na estimação do GBV para a maioria das características de carcaça.

O melhoramento genético animal é fundamentado em análises de informações obtidas a partir de mensuração de caracteres quantitativos. De fato, as observações fenotípicas constituem o mais importante fator para os programas de melhoramento. Entretanto, nos últimos anos as informações moleculares tem ganhado importância para auxiliar a seleção. Com a evolução dos marcadores moleculares os genomas estudados estão atualmente densamente cobertos e isto está provocando uma mudança no cenário do melhoramento. Deste modo, a seleção assistida por marcadores está sendo substituída pela seleção genômica. Neste contexto, as informações fenotípicas ao serem associadas com os marcadores SNPs densamente distribuídos no genoma, apresentam algumas vantagens em relação ao melhoramento genético tradicional, pautado apenas nas informações oriundas de mensurações fenotípicas. Entre elas destacam-se o aumento da acurácia da predição do valor genético sem comprometimento, e possível redução, do intervalo de gerações, a possibilidade de redução do esforço de mensurações fenotípicas e o mapeamento mais acurado de regiões genômicas envolvidas com os fenótipos de interesse.

A simulação tem contribuído para o avanço da genômica nas diversas áreas do melhoramento genético. Foram simulados mapeamentos genéticos utilizando diferentes densidades de marcadores para estimar os valores fenotípicos na seleção assistida por marcadores (SAM), em características quantitativas com valores de herdabilidade de 0,10; 0,40; e 0,70. Procedeu-se a análise de agrupamento com os desempenhos fenotípicos, cuja finalidade foi obter estruturas de classificação entre as densidades visando à otimização na detecção de QTL. O sistema de simulação genética (Genesys) foi utilizado para três genomas (cada qual constituído de uma única característica cuja distinção estava no valor da herdabilidade) e para as populações base e inicial. Cada população inicial foi submetida à seleção assistida por marcadores por 20 gerações consecutivas, em que os genitores selecionados acasalavam-se seletivamente entre os melhores e os piores. O mapeamento empregando de média a alta densidade de marcadores assinalou eficiência nos progressos fenotípicos obtidos com a SAM. Menores quantidades de marcadores são requeridas para manter determinado poder de detecção de QTL à medida que se eleva a magnitude da herdabilidade. A análise de agrupamento indicou otimização e correspondência nos incrementos fenotípicos ao admitir as densidades de 4 e 6 cM; 4, 6, 8 e 10 cM; e 6 e 8 cM para as herdabilidades de 0,10; 0,40; e 0,70, respectivamente. Simulation has contributed to the advancement of genomics in the different areas of genetic improvement. Genetic mappings were simulated using different densities of genetic markers to estimate phenotypic values of quantitative traits with heritabilities of 0.10; 0.40 and 0.70 in marker assisted selection (MAS). Cluster analysis with phenotypic performances was carried out to generate classification structures among the densities aiming to optimize QTL detection . The genetic simulation system (Genesys) was used to simulate three genomes (each consisting of a single characteristic differing in the heritability value) and the base and original populations. Each initial population was subjected to selection assisted by markers for 20 consecutive generations, in which selected parents mated selectively, between best and worst. The mapping using medium to high marker density showed efficiency in the phenotypic progress obtained with MAS. Smaller marker quantities are required to maintain power of QTL detection with increase in heritability. The cluster analysis indicated optimization and correspondence in phenotypic increases, when allowing the densities of 4 and 6 cM, 4, 6, 8 and 10 cM, and 6 and 8 cM for the heritabilities of 0.10; 0.40 and 0.70, respectively.

A simulação tem contribuído para o avanço da genômica nas diversas áreas do melhoramento genético. Foram simulados mapeamentos genéticos utilizando diferentes densidades de marcadores para estimar os valores fenotípicos na seleção assistida por marcadores (SAM), em características quantitativas com valores de herdabilidade de 0,10; 0,40; e 0,70. Procedeu-se a análise de agrupamento com os desempenhos fenotípicos, cuja finalidade foi obter estruturas de classificação entre as densidades visando à otimização na detecção de QTL. O sistema de simulação genética (Genesys) foi utilizado para três genomas (cada qual constituído de uma única característica cuja distinção estava no valor da herdabilidade) e para as populações base e inicial. Cada população inicial foi submetida à seleção assistida por marcadores por 20 gerações consecutivas, em que os genitores selecionados acasalavam-se seletivamente entre os melhores e os piores. O mapeamento empregando de média a alta densidade de marcadores assinalou eficiência nos progressos fenotípicos obtidos com a SAM. Menores quantidades de marcadores são requeridas para manter determinado poder de detecção de QTL à medida que se eleva a magnitude da herdabilidade. A análise de agrupamento indicou otimização e correspondência nos incrementos fenotípicos ao admitir as densidades de 4 e 6 cM; 4, 6, 8 e 10 cM; e 6 e 8 cM para as herdabilidades de 0,10; 0,40; e 0,70, respectivamente. Simulation has contributed to the advancement of genomics in the different areas of genetic improvement. Genetic mappings were simulated using different densities of genetic markers to estimate phenotypic values of quantitative traits with heritabilities of 0.10; 0.40 and 0.70 in marker assisted selection (MAS). Cluster analysis with phenotypic performances was carried out to generate classification structures among the densities aiming to optimize QTL detection . The genetic simulation system (Genesys) was used to simulate three genomes (each consisting of a single characteristic differing in the heritability value) and the base and original populations. Each initial population was subjected to selection assisted by markers for 20 consecutive generations, in which selected parents mated selectively, between best and worst. The mapping using medium to high marker density showed efficiency in the phenotypic progress obtained with MAS. Smaller marker quantities are required to maintain power of QTL detection with increase in heritability. The cluster analysis indicated optimization and correspondence in phenotypic increases, when allowing the densities of 4 and 6 cM, 4, 6, 8 and 10 cM, and 6 and 8 cM for the heritabilities of 0.10; 0.40 and 0.70, respectively.

Genomics will improve the efficiency of beef cattle genetic improvement programs through the incorporation of genomic predictions into traditional genetic evaluations. The global dairy cattle breeding industry has been changed considerably in the last year through the implementation of genomic selection. Now proven to work in dairy cattle breeding, the challenge remains for the beef industry to successfully implement this technology. The primary challenge in beef cattle is the required resource population that relates genomic profile to phenotypic performance, which is quite large and its establishment will require collaboration or a significant investment by any one enterprise. Another challenge in beef cattle is the requirement for genomic predictions to function across breeds, which will require denser marker panels. Opportunities to increase genetic progress include increased accuracy of selection, reduced generation interval, increased selection intensity and better utilization of limited recording capacity, such as individual feed intake, along with opportunities to genetically change novel traits. Implementation of a low density panel at the commercial level will allow informative decisions based on genetic potential at all levels of the production chain. This reduced panel will include predictive SNP based on fine QTL mapping efforts, combined with additional SNP to enable imputation of genotypes from a high density SNP panel, when combined with high density genotypes of key ancestors, such as sires. With electronic recording in cattle, a single genotyping event on each animal would provide information throughout the beef production chain, which will create the incentive for genetic change. Genomics will create new opportunities for reproductive technologies such as embryo transfer as elite females will be identified with increased accuracy. Potential changes to the structure of the breeding industry are discussed including changes to recording strategies and the development of novel beef products. A genômica oferece um caminho para melhorar a eficiência dos programas de melhoramento genético de gado de corte por meio da incorporação de predições genômicas do mérito genético nas availações genéticas tradicionais. A indústria global de melhoramento de gado leiteiro mudou consideravelmente no último ano pela implementação da seleção genômica. Com a confirmação de que ela funciona no melhoramento de gado leiteiro, o desafio continua para a indústria de gado de corte a fim de implementar com sucesso esta tecnologia. O maior desafio para a implementação em gado de corte é a população-referência, que relaciona o perfil genônico com o desempenho produtivo. A população-referência necessária é bastante grande e o seu estabelecimento requer colaboração ou investimento significativo de qualquer entidade. Outro desafio no gado de corte é a necessidade de que as predições genômicas funcionem entre as diversas raças, o que exigirá painéis mais densos de marcadores genéticos. As oportunidades de incrementar o progresso genético incluem o aumento da acurácia de seleção, a redução do interval de gerações e o aumento da intensidade de seleção, além de melhor capacidade limitada de medição de certas características, como consumo alimentar individual e criação de oportunidades de mudança genética em novas característcas. A implementação de um painel de baixa densidade em nível comercial permitirá decisões mais informadas, baseadas no potencial genético em todos os níveis da cadeia de produção. Este painel reduzido incluirá SNP preditivas, baseadas em esforços de mapeamento fino de QTL, combinadas com SNP adicionais para permitir a imputação de genótipos de um painel de SNP de alta densidade, quando combinado com os genótipos do painel de alta densidade de ancestrais importantes, tais como touros. Com a medição eletrônica em gado de corte, uma simples genotipagem de cada animal fornecerá informação através de toda a cadeia de produção, o que, em contrapartida, criará um incentivo para mudança genética. A genômica criará novas oportunidades para tecnologias reprodutivas, como a transferência de embriões, pois as fêmeas elite serão indentificadas com mais acurácia. Mudanças potenciais na estrutura da indústria de melhoramento animal são discutidas, incluindo oportunidades para reduzir custos de obtenção de touros superiores, mudanças nas estratégias de medição fenotípica e desenvolvimento de novos produtos cárneos.

Genetic selection has been practiced by the best linear unbiased prediction (BLUP) method using phenotypic records. A first proposal for enhancement of the efficiency of this procedure was the marker assisted selection (MAS). Later, another method called genome wide selection - GWS was reported, which presents high accuracy for the selection based exclusively on markers, after predicting their genetic effects from phenotypic data in a sample of the population of selection. GWS is excellent for low heritable traits, while MAS is not. This paper presents the GWS methodology and simulates a case of its application, aiming at emphasizing its advantages over MAS. The relation between traditional BLUP and genomic BLUP is also detailed as well as the sample size required for precise estimation of the genetic values of the markers. Results revealed that the GWS can be worthy for genetic improvement. Practical experience is much needed to infer about its effectiveness. A seleção genética tem sido praticada pelo procedimento BLUP, usando dados fenotípicos avaliadosa campo. Uma primeira proposição realizada para aumentar a eficiência desse procedimento, baseado em dadosfenotípicos, foi a seleção auxiliada por marcadores (MAS) moleculares, a qual usa simultaneamente dadosfenotípicos e moleculares. Posteriormente, foi proposto um novo método de seleção denominado seleção genômicaampla (genome wide selection – GWS), o qual apresenta alta acurácia seletiva para a seleção, baseadaexclusivamente em marcadores, após terem seus efeitos genéticos estimados a partir de dados fenotípicos emuma amostra da população de seleção. A GWS é excelente para caracteres de baixa herdabilidade, ao contrário daMAS, que não é útil para caracteres de baixa herdabilidade. O presente trabalho tem como objetivos apresentara metodologia GWS e simular um caso de aplicação da mesma, visando enfatizar as suas vantagens sobre aMAS. Objetiva também demonstrar a relação entre o BLUP tradicional e o BLUP genômico associado à GWS.Adicionalmente, discute aspectos referentes ao tamanho amostral adequado para estimação dos efeitosgenotípicos dos marcadores. Os resultados revelam que a GWS poderá ter grande utilidade ao melhoramentogenético. No entanto, é preciso adquirir experiência prática com a GWS, visando inferir sobre sua efetividade.

Os primeiros estudos de identificação, caracterização e utilização de marcadores moleculares para a caracterização de recursos genéticos e geração de ferramentas para o melhoramento animal datam do final da década de 80. Nos últimos 20 anos as tecnologias para geração de dados moleculares passaram por vários ciclos de renovação. A última onda de inovações tecnológicas representa uma verdadeira revolução e trouxe metodologias para identificar e genotipar marcadores SNP (do inglês Single Nucleotide Polimorphism) de maneira massal. Chips de DNA de alta densidade foram criados para genotipar de dezenas de milhares até centenas de milhares de marcadores SNP em um único ensaio. Além disso, outras tecnologias de média densidade permitem também a genotipagem de dezenas a centenas de marcadores, em números elevados de amostras, com altíssima velocidade e automação. Essas novas tecnologias permitiram a geração de novas aplicações, como as metodologias para avaliação genética e seleção com base no Valor Genômico (Genomic Estimated Breeding Value- GEBV). Os métodos estatísticos para avaliação e seleção genômica estão em pleno desenvolvimento, mas a tecnologia já se tornou uma realidade com o lançamento do primeiro sumário de touros para a raça Holandesa com GEBVs para características de produção e qualidade do leite em janeiro de 2009. Além disso, essas tecnologias também trouxeram novas opções para desenvolvimento de testes diagnósticos para confirmação de paternidade, identificação individual, rastreabilidade, etc. Além dessas inovações, as novas tecnologias de genotipagem de marcadores SNP facilitaram também o desenvolvimento de serviços terceirizados de geração de dados, permitindo que qualquer grupo realize pesquisas avançadas, sempre com as tecnologias mais avançadas, sem a necessidade de investimentos em equipamentos. The first studies to identify, characterize and use molecular markers to characterize genetic resources and generate tools for animal breeding and management date from the end of the 80s. In the last 20 years the technologies to generate molecular data went through several innovation cycles. The last wave of technological innovations represents a true revolution, bringing methods to identify and genotype SNP (Single Nucleotide Polymorphism) markers in large scale. High density DNA chips were generated to genotype from tens of thousands to hundreds of thousands of SNPs in a single assay. Furthermore, other medium density technologies allow for the genotyping of tens to hundreds of makers, in high numbers of samples, with very high speed and automation. These new technologies allowed for the generation of new applications, such as the methods to genetically evaluate and select animals based on their Genomic Value (Genomic Estimated Breeding Value - GEBV). The statistical methods for genomic evaluation and selection are in full development, but the technology already became reality with the release of the first bull summary for the Holstein breed with GEBVs for milk production and quality traits in January 2009. In addition, these technologies brought new options for development of diagnostic tests for paternity testing, individual identification, traceability, etc. Also, these new technologies to genotype SNP markers facilitated the development of outsourcing companies to generate molecular data, allowing any group to conduct advanced experiments, always using the most advanced technologies, without the need of investments into equipment.

Made available in DSpace on 2022-10-27T12:08:20Z (GMT). No. of bitstreams: 1 document.pdf: 525187 bytes, checksum: 55bf4e2af397c30717a59d282a4efc72 (MD5) Previous issue date: 2009 Suplemento especial.

A seleção genética tem sido praticada pelo procedimento BLUP, usando dados fenotípicos avaliados a campo. Uma primeira proposição realizada para aumentar a eficiência desse procedimento, baseado em dados fenotípicos, foi a seleção auxiliada por marcadores (MAS) moleculares, a qual usa simultaneamente dados fenotípicos e moleculares. Posteriormente, foi proposto um novo método de seleção denominado seleção genômica ampla (genome wide selection ? GWS), o qual apresenta alta acurácia seletiva para a seleção, baseada exclusivamente em marcadores, após terem seus efeitos genéticos estimados a partir de dados fenotípicos em uma amostra da população de seleção. A GWS é excelente para caracteres de baixa herdabilidade, ao contrário da MAS, que não é útil para caracteres de baixa herdabilidade. O presente trabalho tem como objetivos apresentar a metodologia GWS e simular um caso de aplicação da mesma, visando enfatizar as suas vantagens sobre a MAS. Objetiva também demonstrar a relação entre o BLUP tradicional e o BLUP genômico associado à GWS. Adicionalmente, discute aspectos referentes ao tamanho amostral adequado para estimação dos efeitos genotípicos dos marcadores. Os resultados revelam que a GWS poderá ter grande utilidade ao melhoramento genético. No entanto, é preciso adquirir experiência prática com a GWS, visando inferir sobre sua efetividade.