RESUMO A seleção genômica ampla (Genome Wide Selection - GWS) utiliza simultaneamente o efeito de milhares de marcadores cobrindo todo o genoma para predizer o valor genético genômico dos indivíduos no processo de seleção. Os possíveis benefícios de seu uso são a redução do ciclo de melhoramento, propiciando maior ganho por unidade de tempo e diminuição de custos. O sucesso da GWS está atrelado a escolha do método de predição dos efeitos dos marcadores. Assim, neste trabalho, visou-se aplicar as redes neurais artificiais (Artificial Neural Networks - ANNs), com a finalidade de predizer os valores genéticos genômicos (Genomic Breeding Values - GEBVs) baseado na estimação dos efeitos dos marcadores comparados a regressão de cumeeira - melhor preditor não viesado/seleção genômica ampla (Ridge Regression - Best Linear Unbiased Predictor/Genome Wide Selection - RR-BLUP/GWS). Foram efetuadas simulações por meio do software R, fornecendo as correlações referentes às ANNs e a RR-BLUP/GWS. Os métodos de predição foram avaliados utilizando correlações entre o valor fenotípico e valor genotípico com o valor genético genômico predito. Os resultados demonstraram superioridade das ANNs na predição dos GEBVs nos cenários com maior e menor densidade de marcadores, paralelo a níveis mais altos de desequilíbrio de ligação e maior herdabilidade. | ABSTRACT Genome-wide selection (GWS) uses simultaneously the effect of the thousands markers covering the entire genome to predict genomic breeding values for individuals under selection. The possible benefits of GWS are the reduction of the breeding cycle, increase in gains per unit of time, and decrease of costs. However, the success of the GWS is dependent on the choice of the method to predict the effects of markers. Thus, the objective of this work was to predict genomic breeding values (GEBV) through artificial neural networks (ANN), based on the estimation of the effect of the markers, compared to the Ridge Regression-Best Linear Unbiased Predictor/Genome Wide Selection (RR-BLUP/GWS). Simulations were performed by software R to provide correlations concerning ANN and RR-BLUP/GWS. The prediction methods were evaluated using correlations between phenotypic and genotypic values and predicted GEBV. The results showed the superiority of the ANN in predicting GEBV in simulations with higher and lower marker densities, with higher levels of linkage disequilibrium and heritability.

ABSTRACT Carnauba (Copernicia prunifera) is a forest species with multiple uses, and is of great economic and social importance for several communities involved in extractive agriculture in northeastern Brazil. However, there are few studies on genetic variability in this species. Thus, this work aimed to produce information about the genetic characterization of C. prunifera seeds and seedlings, using provenance and progeny evaluations. A progeny test was performed in a plant nursery, using seeds of 36 matrices sampled in the municipalities of Mossoró and Apodi (Rio Grande do Norte State), and Russas and Icapuí (Ceará State). Three groups were derived according to the spatial distance between the collected matrices. Biometric analyses of the seeds were performed, adopting a completely randomized experimental design, with four replicates of 25 seeds in each analysis. A randomized block design (five replicates and five plants per plot) was used at the seedling production phase. The data evaluated included the emergence speed index, emergence percentage, leaf size, leaf base diameter, and survival (at 30, 60, and 90 days after sowing). The restricted maximum likelihood method was used in the statistical analysis, with the aid of SELEGEN software. In order to evaluate genetic variability in the C. prunifera population samples, it was verified that the juvenile characters presented a moderate genetic control. The three groups of spatially delimited matrices presented no significant genetic differences. This information may assist in the development of forestry practice for this species. | RESUMO A carnaubeira (Copernicia prunifera) é uma espécie florestal que apresenta múltiplos usos e de grande importância econômica e social para várias famílias extrativistas no Nordeste brasileiro. Entretanto, são escassos os estudos a respeito da variabilidade genética da espécie. Assim, este trabalho buscou gerar informações em relação à caracterização genética de sementes e mudas de Copernicia prunifera, avaliando procedências e progênies. Instalou-se um teste de progênies, em viveiro, a partir de sementes de 36 matrizes amostradas nos Municípios de Mossoró e Apodi, no Estado do Rio Grande do Norte; e em Russas e Icapuí, no Estado do Ceará. A partir da distância espacial entre as matrizes coletadas foram formados três grupos. Foram realizadas análises biométricas das sementes, adotando o delineamento experimental inteiramente casualizado, com quatro repetições de 25 sementes para cada análise. O delineamento em blocos casualizados com cinco repetições e cinco plantas por parcela foi empregado na fase de produção de mudas. Os dados avaliados incluíram: índice de velocidade de emergência, porcentagem de emergência, tamanho da folha, diâmetro da base da folha e sobrevivência (aos 30, 60 e 90 dias após a semeadura). A metodologia de máxima verossimilhança restrita foi utilizada para a análise estatística, com o auxílio do software SELEGEN. Verificou-se que os caracteres juvenis apresentam controle genético médio, podendo ser utilizados para avaliação da variabilidade genética de amostras de populações da espécie. Os três grupos de matrizes delimitados espacialmente não apresentam diferenças genéticas significativas. Essas informações podem auxiliar no desenvolvimento da silvicultura da espécie.