Optimización del desempeño predictivo de modelos de selección genómica en el contexto del mejoramiento genético forestal

Autores
Jurcic, Esteban
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
tesis doctoral
Estado
versión aceptada
Colaborador/a o director/a de tesis
Cappa, Eduardo Pablo
Munilla Leguizamón, Sebastián
Descripción
Fil: Jurcic, Esteban. Universidad de Buenos Aires. Facultad de Agronomía; Argentina.
La selección genómica (SG) es relevante para el mejoramiento genético forestal debido a que permite reducir la duración de los ciclos de mejora con el consiguiente incremento de la ganancia genética. Sin embargo, el éxito de la SG depende del desempeño predictivo del modelo estadístico de evaluación genética. En esta tesis se evaluaron diferentes modelos de SG con el objetivo de incrementar su desempeño predictivo. En particular, se investigó: 1) el impacto del ajuste de matrices de relaciones genómicas basadas en la noción de Identidad por Descendencia (IBD) contrastadas con aquellas construidas usando el enfoque de Identidad por Estado (IBS); 2) la utilización de caracteres ampliamente medidos para mejorar la exactitud de caracteres escasamente medidos mediante modelos multi-carácter (MT) en comparación con modelos uni-carácter (ST); y 3) la aplicación de dos nuevos modelos genómicos causales. Todas las metodologías propuestas se compararon con el modelo convencional de evaluación genética basado en información de pedigrí. Los métodos propuestos fueron ilustrados con datos reales de programas de mejoramiento de especies de Eucalyptus. Se logró una mayor precisión de las relaciones genómicas y una mayor exactitud de los valores de mejora (BVs), aunque con menor heredabilidad, mediante el enfoque IBD comparado con el enfoque IBS. Por otro lado, los modelos MT permitieron incrementar la exactitud de los BVs correspondientes a dos de los cuatro caracteres escasamente medidos analizados, en comparación con los modelos ST. Por último, los nuevos modelos genómicos causales demostraron ser alternativas fiables a los modelos genómicos comúnmente empleados en las evaluaciones genéticas forestales. Las metodologías propuestas constituyen enfoques útiles para incrementar el desempeño predictivo de diferentes modelos de SG en árboles forestales.
185 p. : tbls., grafs.
Doctorado en Ciencias Agropecuarias
Materia
MEJORA GENETICA
ARBOLES FORESTALES
MODELOS DE SELECCION
PLANTACION FORESTAL
GENOMICA
SELECCION
EUCALYPTUS
Nivel de accesibilidad
acceso abierto
Condiciones de uso
acceso abierto
Repositorio
FAUBA Digital (UBA-FAUBA)
Institución
Universidad de Buenos Aires. Facultad de Agronomía
OAI Identificador
snrd:2024jurcicestebanjavier

id FAUBA_c06b34469c0814edd916990daffbfc43
oai_identifier_str snrd:2024jurcicestebanjavier
network_acronym_str FAUBA
repository_id_str 2729
network_name_str FAUBA Digital (UBA-FAUBA)
spelling Optimización del desempeño predictivo de modelos de selección genómica en el contexto del mejoramiento genético forestalJurcic, EstebanMEJORA GENETICAARBOLES FORESTALESMODELOS DE SELECCIONPLANTACION FORESTALGENOMICASELECCIONEUCALYPTUSFil: Jurcic, Esteban. Universidad de Buenos Aires. Facultad de Agronomía; Argentina.La selección genómica (SG) es relevante para el mejoramiento genético forestal debido a que permite reducir la duración de los ciclos de mejora con el consiguiente incremento de la ganancia genética. Sin embargo, el éxito de la SG depende del desempeño predictivo del modelo estadístico de evaluación genética. En esta tesis se evaluaron diferentes modelos de SG con el objetivo de incrementar su desempeño predictivo. En particular, se investigó: 1) el impacto del ajuste de matrices de relaciones genómicas basadas en la noción de Identidad por Descendencia (IBD) contrastadas con aquellas construidas usando el enfoque de Identidad por Estado (IBS); 2) la utilización de caracteres ampliamente medidos para mejorar la exactitud de caracteres escasamente medidos mediante modelos multi-carácter (MT) en comparación con modelos uni-carácter (ST); y 3) la aplicación de dos nuevos modelos genómicos causales. Todas las metodologías propuestas se compararon con el modelo convencional de evaluación genética basado en información de pedigrí. Los métodos propuestos fueron ilustrados con datos reales de programas de mejoramiento de especies de Eucalyptus. Se logró una mayor precisión de las relaciones genómicas y una mayor exactitud de los valores de mejora (BVs), aunque con menor heredabilidad, mediante el enfoque IBD comparado con el enfoque IBS. Por otro lado, los modelos MT permitieron incrementar la exactitud de los BVs correspondientes a dos de los cuatro caracteres escasamente medidos analizados, en comparación con los modelos ST. Por último, los nuevos modelos genómicos causales demostraron ser alternativas fiables a los modelos genómicos comúnmente empleados en las evaluaciones genéticas forestales. Las metodologías propuestas constituyen enfoques útiles para incrementar el desempeño predictivo de diferentes modelos de SG en árboles forestales.185 p. : tbls., grafs.Doctorado en Ciencias AgropecuariasUniversidad de Buenos Aires. Facultad de AgronomíaCappa, Eduardo PabloMunilla Leguizamón, Sebastián2024doctoralThesisinfo:eu-repo/semantics/doctoralThesisacceptedVersioninfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralapplication/pdfhttp://ri.agro.uba.ar/greenstone3/library/collection/tesis/document/2024jurcicestebanjavierspainfo:eu-repo/semantics/openAccessopenAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/http://ri.agro.uba.ar/greenstone3/library/page/biblioteca#section4reponame:FAUBA Digital (UBA-FAUBA)instname:Universidad de Buenos Aires. Facultad de Agronomía2025-09-29T13:41:38Zsnrd:2024jurcicestebanjavierinstacron:UBA-FAUBAInstitucionalhttp://ri.agro.uba.ar/Universidad públicaNo correspondehttp://ri.agro.uba.ar/greenstone3/oaiserver?verb=ListSetsmartino@agro.uba.ar;berasa@agro.uba.ar ArgentinaNo correspondeNo correspondeNo correspondeopendoar:27292025-09-29 13:41:39.167FAUBA Digital (UBA-FAUBA) - Universidad de Buenos Aires. Facultad de Agronomíafalse
dc.title.none.fl_str_mv Optimización del desempeño predictivo de modelos de selección genómica en el contexto del mejoramiento genético forestal
title Optimización del desempeño predictivo de modelos de selección genómica en el contexto del mejoramiento genético forestal
spellingShingle Optimización del desempeño predictivo de modelos de selección genómica en el contexto del mejoramiento genético forestal
Jurcic, Esteban
MEJORA GENETICA
ARBOLES FORESTALES
MODELOS DE SELECCION
PLANTACION FORESTAL
GENOMICA
SELECCION
EUCALYPTUS
title_short Optimización del desempeño predictivo de modelos de selección genómica en el contexto del mejoramiento genético forestal
title_full Optimización del desempeño predictivo de modelos de selección genómica en el contexto del mejoramiento genético forestal
title_fullStr Optimización del desempeño predictivo de modelos de selección genómica en el contexto del mejoramiento genético forestal
title_full_unstemmed Optimización del desempeño predictivo de modelos de selección genómica en el contexto del mejoramiento genético forestal
title_sort Optimización del desempeño predictivo de modelos de selección genómica en el contexto del mejoramiento genético forestal
dc.creator.none.fl_str_mv Jurcic, Esteban
author Jurcic, Esteban
author_facet Jurcic, Esteban
author_role author
dc.contributor.none.fl_str_mv Cappa, Eduardo Pablo
Munilla Leguizamón, Sebastián
dc.subject.none.fl_str_mv MEJORA GENETICA
ARBOLES FORESTALES
MODELOS DE SELECCION
PLANTACION FORESTAL
GENOMICA
SELECCION
EUCALYPTUS
topic MEJORA GENETICA
ARBOLES FORESTALES
MODELOS DE SELECCION
PLANTACION FORESTAL
GENOMICA
SELECCION
EUCALYPTUS
dc.description.none.fl_txt_mv Fil: Jurcic, Esteban. Universidad de Buenos Aires. Facultad de Agronomía; Argentina.
La selección genómica (SG) es relevante para el mejoramiento genético forestal debido a que permite reducir la duración de los ciclos de mejora con el consiguiente incremento de la ganancia genética. Sin embargo, el éxito de la SG depende del desempeño predictivo del modelo estadístico de evaluación genética. En esta tesis se evaluaron diferentes modelos de SG con el objetivo de incrementar su desempeño predictivo. En particular, se investigó: 1) el impacto del ajuste de matrices de relaciones genómicas basadas en la noción de Identidad por Descendencia (IBD) contrastadas con aquellas construidas usando el enfoque de Identidad por Estado (IBS); 2) la utilización de caracteres ampliamente medidos para mejorar la exactitud de caracteres escasamente medidos mediante modelos multi-carácter (MT) en comparación con modelos uni-carácter (ST); y 3) la aplicación de dos nuevos modelos genómicos causales. Todas las metodologías propuestas se compararon con el modelo convencional de evaluación genética basado en información de pedigrí. Los métodos propuestos fueron ilustrados con datos reales de programas de mejoramiento de especies de Eucalyptus. Se logró una mayor precisión de las relaciones genómicas y una mayor exactitud de los valores de mejora (BVs), aunque con menor heredabilidad, mediante el enfoque IBD comparado con el enfoque IBS. Por otro lado, los modelos MT permitieron incrementar la exactitud de los BVs correspondientes a dos de los cuatro caracteres escasamente medidos analizados, en comparación con los modelos ST. Por último, los nuevos modelos genómicos causales demostraron ser alternativas fiables a los modelos genómicos comúnmente empleados en las evaluaciones genéticas forestales. Las metodologías propuestas constituyen enfoques útiles para incrementar el desempeño predictivo de diferentes modelos de SG en árboles forestales.
185 p. : tbls., grafs.
Doctorado en Ciencias Agropecuarias
description Fil: Jurcic, Esteban. Universidad de Buenos Aires. Facultad de Agronomía; Argentina.
publishDate 2024
dc.date.none.fl_str_mv 2024
dc.type.none.fl_str_mv doctoralThesis
info:eu-repo/semantics/doctoralThesis
acceptedVersion
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_db06
info:ar-repo/semantics/tesisDoctoral
format doctoralThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://ri.agro.uba.ar/greenstone3/library/collection/tesis/document/2024jurcicestebanjavier
url http://ri.agro.uba.ar/greenstone3/library/collection/tesis/document/2024jurcicestebanjavier
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
openAccess
http://creativecommons.org/licenses/by-nc-nd/4.0/
http://ri.agro.uba.ar/greenstone3/library/page/biblioteca#section4
eu_rights_str_mv openAccess
rights_invalid_str_mv openAccess
http://creativecommons.org/licenses/by-nc-nd/4.0/
http://ri.agro.uba.ar/greenstone3/library/page/biblioteca#section4
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Agronomía
publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Agronomía
dc.source.none.fl_str_mv reponame:FAUBA Digital (UBA-FAUBA)
instname:Universidad de Buenos Aires. Facultad de Agronomía
reponame_str FAUBA Digital (UBA-FAUBA)
collection FAUBA Digital (UBA-FAUBA)
instname_str Universidad de Buenos Aires. Facultad de Agronomía
repository.name.fl_str_mv FAUBA Digital (UBA-FAUBA) - Universidad de Buenos Aires. Facultad de Agronomía
repository.mail.fl_str_mv martino@agro.uba.ar;berasa@agro.uba.ar
_version_ 1844618859111251968
score 13.070432