Inclusão de conhecimento prévio em modelos bayesianos para avaliação genética no melhoramento de soja

Autores

  • Jeniffer Santana Pinto Coelho Evangelista Universidade Federal de Viçosa, Departamento de Biologia Geral, Avenida P.H. Rolfs, s/no, Campus Universitário, CEP 36570-900 Viçosa, MG.
  • Igor Ferreira Coelho Universidade Federal de Viçosa, Departamento de Biologia Geral, Avenida P.H. Rolfs, s/no, Campus Universitário, CEP 36570-900 Viçosa, MG.
  • Marco Antônio Peixoto Universidade Federal de Viçosa, Departamento de Biologia Geral, Avenida P.H. Rolfs, s/no, Campus Universitário, CEP 36570-900 Viçosa, MG.
  • Rodrigo Silva Alves Universidade Federal de Viçosa, Departamento de Biologia Geral, Avenida P.H. Rolfs, s/no, Campus Universitário, CEP 36570-900 Viçosa, MG.
  • Marcos Deon Vilela de Resende Embrapa Café, Parque Estação Biológica, Avenida W3 Norte (Final), CEP 70770-901 Brasília, DF.
  • Felipe Lopes da Silva Universidade Federal de Viçosa, Departamento de Agronomia, Avenida P.H. Rolfs, s/no, Campus Universitário, CEP 36570-900 Viçosa, MG.
  • Leonardo Lopes Bhering Universidade Federal de Viçosa, Departamento de Biologia Geral, Avenida P.H. Rolfs, s/no, Campus Universitário, CEP 36570-900 Viçosa, MG.

Palavras-chave:

Glycine max, inferência bayesiana, amostrador de Gibbs, HPD, MCMC

Resumo

O objetivo deste trabalho foi comparar o uso de a priori não informativas e informativas em modelos bayesianos, bem como avaliar a viabilidade da inclusão de a priori informativas na estimativa dos componentes de variância e dos valores genotípicos em programas de melhoramento de soja. Os dados fenotípicos utilizados referem-se à avaliação de 80 genótipos de soja, em dez ambientes, ao longo de três anos. Para cada safra avaliada, foram utilizadas a priori informativas e não informativas, e os parâmetros foram estimados com uso do algoritmo de amostragem de Gibbs. As estimativas dos parâmetros da safra anterior foram utilizadas como informação prévia para a próxima safra avaliada. A qualidade do ajuste foi calculada com uso do critério de informação de desvio (DIC). A acurácia seletiva apresentou maiores valores nos modelos escolhidos por meio do DIC, para ambas as safras. No entanto, os intervalos de maior densidade a posteriori são menores para todos os modelos que adotaram a priori informativas. Adicionar informações à inferência bayesiana nem sempre resulta em melhor ajuste ao modelo.

Downloads

Publicado

2024-09-02

Como Citar

Evangelista, J. S. P. C., Coelho, I. F., Peixoto, M. A., Alves, R. S., Resende, M. D. V. de, Silva, F. L. da, & Bhering, L. L. (2024). Inclusão de conhecimento prévio em modelos bayesianos para avaliação genética no melhoramento de soja. Pesquisa Agropecuária Brasileira, 59(AB), e03557. Recuperado de https://apct.sede.embrapa.br/pab/article/view/27761