Banca de DEFESA: CÉSAR PEDRO

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: CÉSAR PEDRO
DATA: 30/01/2025
HORA: 08:00
LOCAL: Anfiteatro 02 DBI/ICN
TÍTULO:

Application of Machine Learning for optimizing Reciprocal Recurrent Selection in maize

PALAVRAS-CHAVES:

Zea mays L.; Índice de seleção; Análise de fatores; Modelos multiníveis; Fenotipagem. 

PÁGINAS: 30
GRANDE ÁREA: Ciências Agrárias
ÁREA: Agronomia
SUBÁREA: Fitotecnia
ESPECIALIDADE: Melhoramento Vegetal
RESUMO:

A Seleção Recorrente Recíproca (SRR) tem sido amplamente empregada no melhoramento genético do milho, com o objetivo de maximizar o potencial genético e a heterose entre populações. Contudo, sua eficácia está intrinsicamente ligada à análise precisa de caracteres e progênies de milho. Nesse contexto, metodologias baseadas em Aprendizado de Máquina (AM) têm se destacado como ferramentas promissoras para otimizar a seleção e predizer o desempenho em programas de SRR. Este trabalho teve como objetivo principal otimizar o processo de seleção de progênies de milho no programa de SRR da Universidade Federal de Lavras, por meio de técnicas de AM. O problema está alinhado a limitação dos métodos tradicionais de seleção, que, embora eficazes, enfrentam desafios relacionados à precisão e eficiência na identificação de características relevantes e na escolha das progênies com maior potencial genético para a produção de híbridos superiores. A aplicação de AM pode superar essas limitações, pao permitir análises mais robustas e precisas, acelerando os ganhos genéticos e o desenvolvimento de híbridos de alto desempenho. O estudo foi estruturado em cinco etapas principais. Primeiramente, quantificou-se o potencial genético de progênies de irmãos completos. Em seguida, identificaram-se estratégias de seleção multicaracterísticas por meio da regressão de melhores subconjuntos de características. Posteriormente, foram estimados os componentes de variância e herdabilidade restrita, com a realização de análises fatoriais em progênies de meios-irmãos provenientes de cruzamentos intra e interpopulacionais. A análise de produtividade das progênies foi aprofundada por meio de modelos multiníveis. Por fim, integrou-se a fenotipagem de alto rendimento a modelos baseados em árvores de decisão e índices de seleção simultânea. Os resultados demonstraram que a combinação de análises multicaracterísticas, modelos multiníveis e fenotipagem de alto rendimento, aliados ao AM, aumentou significativamente a precisão e a eficiência dos ganhos genéticos por seleção de progênies superiores. Em conclusão, o estudo valida o AM como uma estratégia inovadora e eficaz para a otimização da SRR em milho, acelerando o progresso do melhoramento genético e contribuindo para o desenvolvimento de híbridos de elevado desempenho.

MEMBROS DA BANCA:
Presidente - JOAO CANDIDO DE SOUZA (Membro)
Interno - FLAVIA MARIA AVELAR GONCALVES (Suplente)
Interno - VINICIUS QUINTAO CARNEIRO (Membro)
Externo à Instituição - DEOCLÉCIO DOMINGOS GARBUGLIO - IDR - PARANÁ (Membro)
Externo à Instituição - JUAREZ CAMPOLINA MACHADO - N/A (Suplente)
Externo à Instituição - MARCELA PEDROSO MENDES - UFG (Membro)
Externo à Instituição - LIVIA MARIA CHAMMA DAVIDE - UFGD (Membro)