Aspectos Computacionais da Estimação e Predição em Modelos Lineares Mistos para Seleção de Híbridos de Milho em Ensaios Premilinares.
Nome: TIAGO DE SOUZA MARÇAL
Tipo: Dissertação de mestrado acadêmico
Data de publicação: 30/06/2016
Orientador:
Nome |
Papel |
|---|---|
| ADÉSIO FERREIRA | Orientador |
Banca:
| Nome |
Papel |
|---|---|
| ADÉSIO FERREIRA | Orientador |
| LAURO JOSÉ MOREIRA GUIMARÃES | Coorientador |
| MARIA MARTA PASTINA | Coorientador |
| PEDRO HENRIQUE ARAÚJO DINIZ SANTOS | Examinador Externo |
| TÉRCIO DA SILVA DE SOUZA | Examinador Externo |
Resumo: O milho (Zea mays L.) é uma espécie da família Poaceae, diplóide e alógama. Para esta cultura
verifica-se o aumento do vigor com o acúmulo de loci heterozigotos, justificando assim a produção
dos híbridos. Com o advento das drásticas previsões de mudanças climáticas e aumento
populacional para os próximos anos é necessária à adoção, desenvolvimento e aprimoração de
métodos que permitam maior eficiência na seleção e alcance de maior progresso genético em
programas de melhoramento de culturas de importância agrícola poderão auxiliar na mitigação dos
desafios para sustentar a segurança alimentar ainda neste século. Diante do exposto, este trabalho
teve por objetivo implementar os algoritmos de primeira e segunda derivadas para o método REML
(máxima verossimilhança restrita) em R, generalizáveis para diferentes modelos lineares mistos e
capazes de incorporar matrizes de parentesco. Além de avaliar o impacto de simplificações
matemáticas, matrizes esparsas, e diferentes taxas de erro de convergência na eficiência
computacional destes algoritmos, visando a minimização do custo computacional para viabilizar o
REML, em estudos com grande número de híbridos de milho e modelos complexos, em
computadores de configuração simples. Os dados experimentais utilizados neste trabalho foram
obtidos na safra 2013/14 em ensaio conduzido no delineamento de blocos aumentados com cinco
testemunhas e 3352 híbridos simples de milho na Embrapa (Empresa Brasileira de Pesquisa
Agropecuária) Milho e Sorgo situada em Sete Lagoas - MG. A variável analisada foi o rendimento
de grãos, sendo esta submetida a análise através de modelos mistos com e sem a incorporação do
pedigree utilizando-se diferentes algoritmos REML, em R, e a resposta computacional foi avaliada
quanto aos critérios de convergência, taxas de erro de convergência, matrizes esparsas,
computadores com diferentes capacidades de processamento, diferentes estimativas iniciais dos
componentes de variância e número crescente de passos EM (Expectation Maximization) nos
algoritmos combinados. Os algoritmos propostos foram equivalentes aos softwares testados
(ASReml, Selegen e lme4) quanto as estimativas dos componentes de variância, indicando a
coerência dos mesmos. Além disso, o uso de matrizes esparsas em associação com as otimizações
propostas diminuíram o custo computacional dos algoritmos utilizando os coeficientes de
determinação como critério de convergência e taxa de erro de convergência igual a 10-5. A
combinação híbrida do algoritmo EM, em dez passos, com o NR (Newton Raphson) reduziu o custo
computacional e aumentou o percentual de convergência médio. Ainda observou-se que pesos
uniformes para as estimativas iniciais dos componentes de variância devem ser evitados.
