Banca de DEFESA: LUIS CARLOS DA SILVA SOARES

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: LUIS CARLOS DA SILVA SOARES
DATA: 27/08/2026
HORA: 14:00
LOCAL: DBI02 e Google Meet
TÍTULO:

SIMULAÇÃO E MÉTODOS COMPUTACIONAIS APLICADOS À TOMADA DE DECISÃO EM PROGRAMAS DE MELHORAMENTO GENÉTICO

PALAVRAS-CHAVES:

melhoramento genético; simulação; predição genômica; endogamia; metaheurísticas.

PÁGINAS: 87
GRANDE ÁREA: Ciências Agrárias
ÁREA: Agronomia
SUBÁREA: Fitotecnia
ESPECIALIDADE: Melhoramento Vegetal
RESUMO:

A eficiência dos programas de melhoramento genético depende de decisões integradas relacionadas ao dimensionamento experimental, à escolha dos modelos preditivos e ao planejamento dos cruzamentos. Nesse contexto, esta tese empregou simulação computacional, reamostragem estatística, predição genômica e otimização metaheurística para avaliar estratégias aplicáveis a diferentes etapas do processo seletivo. No primeiro capítulo, avaliou-se o número de clones necessário para maximizar o ganho genético em testes de Eucalyptus. Foram simuladas amostras de 25 a 3.000 clones, considerando o incremento médio anual, a densidade básica da madeira e a produtividade de celulose. Os resultados indicaram máxima eficiência amostral com 500 clones e saturação estatística com 1.000 clones, a partir da qual os ganhos adicionais se tornaram pouco relevantes. No segundo capítulo, dez modelos de predição foram avaliados em populações simuladas de 5.000 e 1.000 indivíduos, sob diferentes proporções de efeitos aditivos e de dominância, e em dados reais de arroz, sorgo, soja, trigo e spruce. A arquitetura genética e o tamanho amostral influenciaram o desempenho e a ordenação dos modelos. O Bayesian Ridge destacou-se em cenários predominantemente aditivos, enquanto CatBoost e RKHS-Extended foram mais competitivos com maior contribuição da dominância. O Stacking apresentou maior estabilidade entre os cenários simulados e os dados reais. No terceiro capítulo, oito algoritmos metaheurísticos foram comparados com duas estratégias clássicas de seleção de genitores e alocação de cruzamentos ao longo de cinco ciclos seletivos e sob diferentes níveis de endogamia inicial. As estratégias clássicas proporcionaram maiores ganhos genéticos, mas também aumentaram mais rapidamente a endogamia. Em contraste, as metaheurísticas produziram ganhos mais moderados, mantendo níveis inferiores e mais estáveis de endogamia. De forma integrada, os três capítulos demonstram que a simulação e os métodos computacionais podem apoiar decisões complementares em diferentes etapas dos programas de melhoramento genético. Os resultados fornecem subsídios para dimensionar testes clonais, selecionar modelos de predição mais adequados às características dos dados e definir planos de cruzamento capazes de conciliar ganho genético e controle da endogamia. Dessa forma, a tese contribui para o desenvolvimento de programas de melhoramento mais eficientes na utilização de recursos, mais robustos na predição do desempenho e mais sustentáveis ao longo dos ciclos seletivos. 

MEMBROS DA BANCA:
Externo à Instituição - BRUNO OLIVEIRA LAFETÁ - IFMG (Membro)
Interno - EVANDRO NOVAES (Suplente)
Presidente - FLAVIA MARIA AVELAR GONCALVES (Membro)
Externo à Instituição - KAIO OLIMPIO DAS GRACAS DIAS - UFV (Suplente)
Externo ao Programa - RODRIGO SILVA ALVES - DBI/ICN (Membro)
Interno - TIAGO DE SOUZA MARCAL (Membro)
Interno - VINICIUS QUINTAO CARNEIRO (Membro)