| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Florestas. |
|
Data corrente: |
03/01/2018 |
|
Data da última atualização: |
11/01/2018 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
NASCIMENTO, M.; SILVA, F. F. e; RESENDE, M. D. V. de; CRUZ, C. D.; NASCIMENTO, A. C. C.; VIANA, J. M. S.; AZEVEDO, C. F.; BARROSO, L. M. A. |
|
Afiliação: |
M. Nascimento, UFV; F. F. e Silva, UFV; MARCOS DEON VILELA DE RESENDE, CNPF; C. D. Cruz, UFV; A. C. C. Nascimento, UFV; J. M. S. Viana, UFV; C. F. Azevedo, UFV; L. M. A. Barroso, UFV. |
|
Título: |
Regularized quantile regression applied to genome-enabled prediction of quantitative traits. |
|
Ano de publicação: |
2017 |
|
Fonte/Imprenta: |
Genetics and Molecular Research, v. 16, n. 1, gmr16019538, 2017. |
|
Páginas: |
12 p. |
|
Idioma: |
Inglês |
|
Conteúdo: |
Genomic selection (GS) is a variant of marker-assisted selection, in which genetic markers covering the whole genome predict individual genetic merits for breeding. GS increases the accuracy of breeding values (BV) prediction. Although a variety of statistical models have been proposed to estimate BV in GS, few methodologies have examined statistical challenges based on non-normal phenotypic distributions, e.g., skewed distributions. Traditional GS models estimate changes in the phenotype distribution mean, i.e., the function is defined for the expected value of trait-conditional on markers, E(Y|X). We proposed an approach based on regularized quantile regression (RQR) for GS to improve the estimation of marker effects and the consequent genomic estimated BV (GEBV). The RQR model is based on conditional quantiles, Qt(Y|X), enabling models that fit all portions of a trait probability distribution. This allows RQR to choose one quantile function that ?best? represents the relationship between the dependent and independent variables. Data were simulated for 1000 individuals. The genome included 1500 markers; most had a small effect and only a few markers with a sizable effect were simulated. We evaluated three scenarios according to symmetrical, positively, and negatively skewed distributions. Analyses were performed using Bayesian LASSO (BLASSO) and RQR considering three quantiles (0.25, 0.50, and 0.75). The use of RQR to estimate GEBV was efficient; the RQR method achieved better results than BLASSO, at least for one quantile model fit for all evaluated scenarios. The gains in relation to BLASSO were 86.28 and 55.70% for positively and negatively skewed distributions, respectively. MenosGenomic selection (GS) is a variant of marker-assisted selection, in which genetic markers covering the whole genome predict individual genetic merits for breeding. GS increases the accuracy of breeding values (BV) prediction. Although a variety of statistical models have been proposed to estimate BV in GS, few methodologies have examined statistical challenges based on non-normal phenotypic distributions, e.g., skewed distributions. Traditional GS models estimate changes in the phenotype distribution mean, i.e., the function is defined for the expected value of trait-conditional on markers, E(Y|X). We proposed an approach based on regularized quantile regression (RQR) for GS to improve the estimation of marker effects and the consequent genomic estimated BV (GEBV). The RQR model is based on conditional quantiles, Qt(Y|X), enabling models that fit all portions of a trait probability distribution. This allows RQR to choose one quantile function that ?best? represents the relationship between the dependent and independent variables. Data were simulated for 1000 individuals. The genome included 1500 markers; most had a small effect and only a few markers with a sizable effect were simulated. We evaluated three scenarios according to symmetrical, positively, and negatively skewed distributions. Analyses were performed using Bayesian LASSO (BLASSO) and RQR considering three quantiles (0.25, 0.50, and 0.75). The use of RQR to estimate GEBV was efficient; the RQR method achieved be... Mostrar Tudo |
|
Palavras-Chave: |
Genomic selection; Regularized regression; Seleção genômica; SNP effects. |
|
Thesagro: |
Estatística. |
|
Thesaurus Nal: |
Marker-assisted selection; Simulation models; Statistics. |
|
Categoria do assunto: |
G Melhoramento Genético |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/170209/1/2017-M.Deon-GMR-Regularized.pdf
|
|
Marc: |
LEADER 02634naa a2200313 a 4500
001 2084109
005 2018-01-11
008 2017 bl uuuu u00u1 u #d
100 1 $aNASCIMENTO, M.
245 $aRegularized quantile regression applied to genome-enabled prediction of quantitative traits.$h[electronic resource]
260 $c2017
300 $a12 p.
520 $aGenomic selection (GS) is a variant of marker-assisted selection, in which genetic markers covering the whole genome predict individual genetic merits for breeding. GS increases the accuracy of breeding values (BV) prediction. Although a variety of statistical models have been proposed to estimate BV in GS, few methodologies have examined statistical challenges based on non-normal phenotypic distributions, e.g., skewed distributions. Traditional GS models estimate changes in the phenotype distribution mean, i.e., the function is defined for the expected value of trait-conditional on markers, E(Y|X). We proposed an approach based on regularized quantile regression (RQR) for GS to improve the estimation of marker effects and the consequent genomic estimated BV (GEBV). The RQR model is based on conditional quantiles, Qt(Y|X), enabling models that fit all portions of a trait probability distribution. This allows RQR to choose one quantile function that ?best? represents the relationship between the dependent and independent variables. Data were simulated for 1000 individuals. The genome included 1500 markers; most had a small effect and only a few markers with a sizable effect were simulated. We evaluated three scenarios according to symmetrical, positively, and negatively skewed distributions. Analyses were performed using Bayesian LASSO (BLASSO) and RQR considering three quantiles (0.25, 0.50, and 0.75). The use of RQR to estimate GEBV was efficient; the RQR method achieved better results than BLASSO, at least for one quantile model fit for all evaluated scenarios. The gains in relation to BLASSO were 86.28 and 55.70% for positively and negatively skewed distributions, respectively.
650 $aMarker-assisted selection
650 $aSimulation models
650 $aStatistics
650 $aEstatística
653 $aGenomic selection
653 $aRegularized regression
653 $aSeleção genômica
653 $aSNP effects
700 1 $aSILVA, F. F. e
700 1 $aRESENDE, M. D. V. de
700 1 $aCRUZ, C. D.
700 1 $aNASCIMENTO, A. C. C.
700 1 $aVIANA, J. M. S.
700 1 $aAZEVEDO, C. F.
700 1 $aBARROSO, L. M. A.
773 $tGenetics and Molecular Research$gv. 16, n. 1, gmr16019538, 2017.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Florestas (CNPF) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Registros recuperados : 30 | |
| 2. |  | NASCIMENTO, M.; SILVA, F. F. e; SAFADI, T.; NASCIMENTO, A. C. C.; FERREIRA, R. de P.; CRUZ, C. D. Abordagem bayesiana para avaliação da adaptabilidade e estabilidade de genótipos de alfafa. Pesquisa Agropecuária Brasileira, Brasília, v. 46, n. 1, p. 26-32, jan. 2011.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 2 |
| Biblioteca(s): Embrapa Pecuária Sudeste; Embrapa Unidades Centrais. |
|    |
| 3. | | NASCIMENTO, M.; NASCIMENTO, A. C. C.; CIRILLO, M. A.; FERREIRA, A.; PETERNELLI, L. A.; FERREIRA, R. de P. Association between responses obtained using adaptability and stability methods in alfalfa. Semina: Ciências Agrárias, Londrina, v. 34, n. 6, p. 2545-2554, nov./dez. 2013.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 1 |
| Biblioteca(s): Embrapa Pecuária Sudeste. |
| |
| 5. | | NASCIMENTO, N; FERREIRA, A.; NASCIMENTO, A. C. C.; SILVA, F. F. e; FERREIRA, R. de P.; CRUZ, C. D. Multiple centroid method to evaluate the adaptability of alfalfa genotypes. Revista Ceres, Viçosa, v. 62, n. 1, p. 030-036, jan/fev, 2015| Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 1 |
| Biblioteca(s): Embrapa Pecuária Sudeste. |
| |
| 7. | | NASCIMENTO, M.; ROCHA, G. S. da; PINTO, D. S.; BARROSO, L. M. A.; NASCIMENTO, A. C. C.; FERREIRA, R. de P.; SILVA, F. F. e. Correlação de Spearman aplicada ao estudo de adaptabilidade e estabilidade em genótipos de alfafa. Investigacion Agrária, v. 15, n. 2, p. 83-90, 2013.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 1 |
| Biblioteca(s): Embrapa Pecuária Sudeste. |
| |
| 8. | | OLIVEIRA, G. F.; MIRANDA, T. L. R.; NASCIMENTO, A. C. C.; NASCIMENTO, M.; CAIXETA, E. T.; SILVA, L. de F.; ALKIMIM, E. R.; SILVA, F. L. da. Discrimination of varietal groups and hybrids of coffea canephora species using multivariate analysis. Revista Brasileira de Biometria, v. 39, n. 1, p. 194-201, 2021.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 3 |
| Biblioteca(s): Embrapa Café. |
| |
| 9. | | COSTA, J. A. da; AZEVEDO, C. F.; NASCIMENTO, M.; SILVA, F. F.; RESENDE, M. D. V. de; NASCIMENTO, A. C. C. Determination of optimal number of independent components in yield traits in rice. Scientia Agricola, v. 79, n. 6, p. 1-8, 2022.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Café. |
| |
| 10. | | COSTA, J. A. da; AZEVEDO, C. F.; NASCIMENTO, M.; SILVA, F. F. e; RESENDE, M. D. V. de; NASCIMENTO, A. C. C. A comparison of regression methods based on dimensional reduction for genomic prediction. Genetics and Molecular Research, v. 20, n. 2, p. 1-15, 2021.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 2 |
| Biblioteca(s): Embrapa Café. |
| |
| 11. | | SUELA, M. M.; AZEVEDO, C. F.; NASCIMENTO, A. C. C.; MOMEN, M.; OLIVEIRA, A. C. B. de; CAIXETA, E. T.; MOROTA, G.; NASCIMENTO, M. Genome-wide association study for morphological, physiological, and productive traits in Coffea arabica using structural equation models. Tree Genetics & Genomes, v. 19, n. 3, 2023. 17 p.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Café. |
| |
| 13. | | BARROSO, L. M. A.; NASCIMENTO, M.; NASCIMENTO, A. C. C.; FONSECA, F. F. e; CRUZ, C. D.; BHERING, L. L.; FERREIRA, R. de P. Metodologia para análise de adaptabilidade e estabilidade por meio de regressão quantílica. Pesquisa Agropecuária Brasileira, v. 50, n. 4, p. 290-297, abr. 2015.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 1 |
| Biblioteca(s): Embrapa Pecuária Sudeste. |
| |
| 14. | | BARROSO, L. M. A.; NASCIMENTO, M.; NASCIMENTO, A. C. C.; SILVA, F. F. e; CRUZ, C. D.; BHERING, L. L.; FERREIRA, R. de P. Metodologia para análise de adaptabilidade e estabilidade por meio de regressão quantílica. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 50, n. 4, p. 267-290-297, abr. 2015. Título em inglês: Methodology for analysis of adaptability and stability using quantile regression.| Biblioteca(s): Embrapa Unidades Centrais. |
| |
| 17. | | AZEVEDO, C. F.; CARVALHO, I. R.; NASCIMENTO, M.; SILVA, J. A. G. da; NASCIMENTO, A, C. C.; CRUZ, C. D.; HUTH, C.; ALMEIDA, H. C. F. de. Informative prior distribution applied to linseed for the estimation of genetic parameters using a small sample size. Pesquisa Agropecuária Brasileira, v. 57, e02793, 2022. Título em português: Distribuição a priori informativa aplicada à linhaça para estimação de parâmetros genéticos com uso de tamanho amostral reduzido.| Biblioteca(s): Embrapa Unidades Centrais. |
| |
| 18. | | OLIVEIRA, G. F.; NASCIMENTO, A. C. C.; NASCIMENTO, M.; SANT'ANNA, I. de C.; ROMERO, J. V.; AZEVEDO, C. F.; BHERING, L. L.; CAIXETA, E. T. Quantile regression in genomic selection for oligogenic traits in autogamous plants: a simulation study. Plos One, v. 16, n. 1, e0243666, 2021.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Café. |
| |
| 19. | | VOLPATO, L.; ALVES, R. S.; TEODORO, P. E.; RESENDE, M. D. V. de; NASCIMENTO, M.; NASCIMENTO, A. C. C.; LUDKE, W. H.; SILVA, F. L. da; BORÉM, A. Multi-trait multi-environment models in the genetic selection of segregating soybean progeny. PLoS ONE, v. 14, n. 4, e0215315, Apr. 2019. 22 p.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Florestas. |
| |
| 20. | | CARVALHO, V. P.; SANT'ANNA, I. C.; NASCIMENTO, M.; NASCIMENTO, A. C. C.; CRUZ, C. D.; ARBEX, W. A.; OLIVEIRA, F. C.; SILVA, F. F. Support vector machines applied to the genetic classification problem of hybrid populations with high degrees of similarity. Genetics and Molecular Research, v. 17, n. 4, gmr18122, 2018. 10 p.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 2 |
| Biblioteca(s): Embrapa Gado de Leite. |
|  |
| Registros recuperados : 30 | |
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
