| |
|
|
| Registros recuperados : 894 | |
| Registros recuperados : 894 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Florestas; Embrapa Unidades Centrais. |
|
Data corrente: |
22/12/2020 |
|
Data da última atualização: |
22/12/2020 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 2 |
|
Autoria: |
COSTA, J. A. da; AZEVEDO, C. F.; NASCIMENTO, M.; SILVA, F. F. e; RESENDE, M. D. V. de; NASCIMENTO, A. C. C. |
|
Afiliação: |
JAQUICELE APARECIDA da COSTA, Universidade Federal de Viçosa, Departamento de Estatística; CAMILA FERREIRA AZEVEDO, Universidade Federal de Viçosa, Departamento de Estatística; MOYSÉS NASCIMENTO, Universidade Federal de Viçosa, Departamento de Estatística; FABYANO FONSECA e SILVA, Universidade Federal de Viçosa, Departamento de Zootecnia; MARCOS DEON VILELA DE RESENDE, CNPF; ANA CAROLINA CAMPANA NASCIMENTO, Universidade Federal de Viçosa, Departamento de Estatística. |
|
Título: |
Genomic prediction with the additive-dominant model by dimensionality reduction methods. |
|
Ano de publicação: |
2020 |
|
Fonte/Imprenta: |
Pesquisa Agropecuária Brasileira, v. 55, e01713, 2020. |
|
DOI: |
https://doi.org/10.1590/S1678-3921. pab2020.v55.01713 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Abstract - The objective of this work was to evaluate the application of different dimensionality reduction methods in the additive-dominant model and to compare them with the genomic best linear unbiased prediction (G-BLUP) method. The dimensionality reduction methods evaluated were: principal components regression (PCR), partial least squares (PLS), and independent components regression (ICR). A simulated data set composed of 1,000 individuals and 2,000 single-nucleotide polymorphisms was used, being analyzed in four scenarios: two heritability levels × two genetic
architectures. To help choose the number of components, the results were evaluated as to additive, dominant, and total genomic information. In general, PCR showed higher accuracy values than the other methods. However, none of the methodologies are able to recover true genomic heritabilities and all of them present biased estimates, under- or overestimating the genomic genetic values. For the simultaneous estimation of the additive and dominance marker effects, the best alternative is to choose the number of components that leads the dominance genomic value to a higher accuracy.
Resumo - O objetivo deste trabalho foi avaliar a aplicação de diferentes métodos de redução de dimensionalidade no modelo aditivo-dominante e compará-los ao método genômico da melhor predição linear não viesada (G-BLUP). Os métodos de redução avaliados foram: regressão via componentes principais (PCR), quadrados mínimos parciais (PLS) e regressão via componentes
independentes (ICR). Utilizou-se um conjunto de dados simulados composto por 1.000 indivíduos e 2.000 polimorfismos de nucleotídeo único, analisados em quatro cenários: dois níveis de herdabilidade × duas heranças genéticas. Para auxiliar na escolha do número de componentes, os resultados foram avaliados quanto às informações genômicas aditiva, dominante e total. De
modo geral, a PCR apresentou maiores valores de acurácia em comparação aos demais métodos. No entanto, nenhuma das metodologias consegue capturar as herdabilidades genômicas reais e todas apresentam estimativas viesadas, tendo subestimado ou superestimado os valores genéticos genômicos. Para a estimação simultânea dos efeitos de marcadores aditivos e devidos à
dominância, a melhor alternativa é a escolha do número de componentes que conduz o valor genômico devido à dominância à maior acurácia. MenosAbstract - The objective of this work was to evaluate the application of different dimensionality reduction methods in the additive-dominant model and to compare them with the genomic best linear unbiased prediction (G-BLUP) method. The dimensionality reduction methods evaluated were: principal components regression (PCR), partial least squares (PLS), and independent components regression (ICR). A simulated data set composed of 1,000 individuals and 2,000 single-nucleotide polymorphisms was used, being analyzed in four scenarios: two heritability levels × two genetic
architectures. To help choose the number of components, the results were evaluated as to additive, dominant, and total genomic information. In general, PCR showed higher accuracy values than the other methods. However, none of the methodologies are able to recover true genomic heritabilities and all of them present biased estimates, under- or overestimating the genomic genetic values. For the simultaneous estimation of the additive and dominance marker effects, the best alternative is to choose the number of components that leads the dominance genomic value to a higher accuracy.
Resumo - O objetivo deste trabalho foi avaliar a aplicação de diferentes métodos de redução de dimensionalidade no modelo aditivo-dominante e compará-los ao método genômico da melhor predição linear não viesada (G-BLUP). Os métodos de redução avaliados foram: regressão via componentes principais (PCR), quadrados mínimos parciais (PLS) e... Mostrar Tudo |
|
Palavras-Chave: |
Efeito de dominância; G-BLUP. |
|
Thesagro: |
Genoma; Marcador Molecular. |
|
Thesaurus NAL: |
Genomics; Linkage disequilibrium; Phenotype; Polygenic inheritance. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/219571/1/Genomic-prediction-with-2020.pdf
|
|
Marc: |
LEADER 03324naa a2200289 a 4500
001 2128613
005 2020-12-22
008 2020 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.1590/S1678-3921. pab2020.v55.01713$2DOI
100 1 $aCOSTA, J. A. da
245 $aGenomic prediction with the additive-dominant model by dimensionality reduction methods.$h[electronic resource]
260 $c2020
520 $aAbstract - The objective of this work was to evaluate the application of different dimensionality reduction methods in the additive-dominant model and to compare them with the genomic best linear unbiased prediction (G-BLUP) method. The dimensionality reduction methods evaluated were: principal components regression (PCR), partial least squares (PLS), and independent components regression (ICR). A simulated data set composed of 1,000 individuals and 2,000 single-nucleotide polymorphisms was used, being analyzed in four scenarios: two heritability levels × two genetic architectures. To help choose the number of components, the results were evaluated as to additive, dominant, and total genomic information. In general, PCR showed higher accuracy values than the other methods. However, none of the methodologies are able to recover true genomic heritabilities and all of them present biased estimates, under- or overestimating the genomic genetic values. For the simultaneous estimation of the additive and dominance marker effects, the best alternative is to choose the number of components that leads the dominance genomic value to a higher accuracy. Resumo - O objetivo deste trabalho foi avaliar a aplicação de diferentes métodos de redução de dimensionalidade no modelo aditivo-dominante e compará-los ao método genômico da melhor predição linear não viesada (G-BLUP). Os métodos de redução avaliados foram: regressão via componentes principais (PCR), quadrados mínimos parciais (PLS) e regressão via componentes independentes (ICR). Utilizou-se um conjunto de dados simulados composto por 1.000 indivíduos e 2.000 polimorfismos de nucleotídeo único, analisados em quatro cenários: dois níveis de herdabilidade × duas heranças genéticas. Para auxiliar na escolha do número de componentes, os resultados foram avaliados quanto às informações genômicas aditiva, dominante e total. De modo geral, a PCR apresentou maiores valores de acurácia em comparação aos demais métodos. No entanto, nenhuma das metodologias consegue capturar as herdabilidades genômicas reais e todas apresentam estimativas viesadas, tendo subestimado ou superestimado os valores genéticos genômicos. Para a estimação simultânea dos efeitos de marcadores aditivos e devidos à dominância, a melhor alternativa é a escolha do número de componentes que conduz o valor genômico devido à dominância à maior acurácia.
650 $aGenomics
650 $aLinkage disequilibrium
650 $aPhenotype
650 $aPolygenic inheritance
650 $aGenoma
650 $aMarcador Molecular
653 $aEfeito de dominância
653 $aG-BLUP
700 1 $aAZEVEDO, C. F.
700 1 $aNASCIMENTO, M.
700 1 $aSILVA, F. F. e
700 1 $aRESENDE, M. D. V. de
700 1 $aNASCIMENTO, A. C. C.
773 $tPesquisa Agropecuária Brasileira$gv. 55, e01713, 2020.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Florestas (CNPF) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
