Modelos mistos na seleção entre e dentro de famílias de cana de açúcar sob o enfoque bayesiano

Abstract

A base do agronegócio de cana-de-açúcar é o melhoramento genético. Pode ser mostrado que a estratégia ótima de seleção da planta seria através da predição de valores genotípicos usando o BLUP (Best Linear Unbiased Predictor) individual (BLUPI). Este procedimento usaria, simultaneamente, a informação de família e de indivíduos para a seleção. No entanto esse método dificilmente é usado nos programas de melhoramento devido a problemas operacionais relacionados à obtenção dos dados ao nível de planta. Recentemente uma alternativa operacionalmente mais prática foi proposta, e é denominada BLUPIS (BLUP individual simulado). Nesse caso os dados são coletados ao nível de parcela. Com isso é possível selecionar as melhores famílias e, posteriormente, simular o número de indivíduos a serem selecionados dentro das melhores famílias. Este trabalho teve como objetivo desenvolver um algoritmo para análise do BLUPIS sob o enfoque bayesiano, com diferentes definições de distribuições a prioris na sua modelagem, no software estatístico R, para possível disponibilização ao usuário e compará-la com o método clássico REML/BLUP. Os resultados mostraram que o método BLUPIS com enfoque bayesiano realizado através do algoritmo construído junto ao programa R foi eficiente. O algoritmo levou em consideração a incerteza existente sobre todos os parâmetros do modelo, como também possibilitou o uso de priori informativa. O método bayesiano se mostrou mais eficiente, isto é, com efeitos genotípicos maiores e variâncias e herdabilidade menores, quando se consideraram no modelo a informação de parentesco e a distribuição da priori informativa.

The base of agribusiness of sugar cane is the breeding. Can be shown that the great strategy selection of plant would be through the prediction of genotypic values using BLUP (Best Linear Unbiased Predictor) individual (BLUPI). This procedure would use both the information of family and individuals for selection. However this method is rarely used in breeding programs because of operational problems related to obtain data plant. Recently an alternative operationally more practical was proposal and is called BLUPIS (BLUP individual simulated). In this case the data are collected at the level of plot. With this is possible to select the best families, and subsequently, to simulate the number of individuals to be selected within the best families. This work has as aims to develop an algorithm for analysis BLUP under the Bayesian focus with different settings of priors in your modeling, in statistical software R, for possible available to the user and compare it with the Classic REML / BLUP. The results showed that the method with Bayesian BLUPIS performed by the algorithm built with the R program was effective. The algorithm took into account the uncertainties on all parameters, as also allowed the use of a priori information. The Bayesian method is more efficient when considering the relationship information model and the distribution of the prior information (major genotypic effects and variances and heritability smaller).