Seleção de marcadores com uso de probabilidade a posteriori de inclusão em modelos para predição genômica em dados de arroz
Palavras-chave:
Oryza sativa, inferência bayesiana, melhoramento genético, seleção genômicaResumo
O objetivo deste trabalho foi avaliar o desempenho da combinação do modelo BayesDπ para seleção de marcadores com base na probabilidade de inclusão a posteriori (PIP) e do BayesA na avaliação da capacidade preditiva, da herdabilidade e do viés preditivo de um conjunto de características fenotípicas de arroz. O algoritmo Markov chain Monte Carlo foi utilizado para a análise de dados. Para o cálculo da PIP, os efeitos dos marcadores foram estimados com uso do método BayesDπ. Posteriormente, foi calculada a razão entre o número de iterações em que cada marcador apresentou efeito diferente de zero e o número total de iterações. Os marcadores foram distribuídos em grupos de 2.000, 4.000, 6.000, ..., e 36.901 (conjunto de dados inteiro), em ordem decrescente de importância. Utilizou-se o método BayesA para reestimar o efeito dos marcadores em cada grupo. Para fins de comparação, os efeitos dos marcadores também foram calculados com uso dos métodos BayesA e BayesDπ separadamente. No modelo proposto, a PIP se mostrou eficaz na compreensão da arquitetura genética, tendo resultado em maior capacidade preditiva, bem como em maior herdabilidade e menor viés na seleção dos marcadores mais importantes para predição genômica, em comparação a outros métodos sem seleção prévia de marcadores.
