Redes neurais artificiais comparadas com modelos lineares generalizados sob o enfoque bayesiano para predição de resistência à ferrugem em café arábica

Gabi Nunes Silva, Moyses Nascimento, Isabela de Castro Sant'Anna, Cosme Damião Cruz, Eveline Teixeira Caixeta, Pedro Crescêncio Souza Carneiro, Renato Domiciano Silva Rosado, Katia Nogueira Pestana, Dênia Pires de Almeida, Marciane da Silva Oliveira

Resumo


O objetivo deste trabalho foi avaliar o uso de redes neurais artificiais em comparação à modelagem por meio de modelos lineares generalizados na predição de resistência à ferrugem em café arábica (Coffea  arabica). Foram utilizados 245 indivíduos provenientes de uma população F2, oriundos da autofecundação do híbrido F1 H511-1, resultante do cruzamento da cultivar suscetível Catuaí Amarelo IAC 64 (UFV 2148-57) e do genitor resistente Híbrido de Timor (UFV 443-03). Os 245 indivíduos foram genotipados com 137 marcadores. Realizaram-se análises com redes neurais artificiais e com modelos lineares generalizados sob o enfoque bayesiano. As redes neurais identificaram quatro marcadores importantes pertencentes a grupos de ligação que foram recentemente mapeados, enquanto o modelo generalizado bayesiano identificou somente dois marcadores pertencentes a esses grupos. Foram observadas taxas de erro de predição inferiores (1,60%) para predizer a resistência à ferrugem em café arábica, quando foram utilizadas as redes neurais artificiais em vez de modelos lineares generalizados sob o enfoque bayesiano (2,4%). Os resultados mostraram que as redes neurais artificiais são uma abordagem promissora para predizer a resistência à ferrugem em café arábica.

Palavras-chave


Coffea arabica; Hemileia vastatrix; inteligência artificial; marcadores moleculares; predição

Texto completo:

PDF (English)


Embrapa Sede, Gerência-Geral de Governança Corporativa e Informação,

Parque Estação Biológica - PqEB - Av. W3 Norte (final) Caixa Postal 040315 - Brasília, DF - Brasil - 70770-901
Fone: +55 (61) 3448-2461