A ANCP convidou o professor e pesquisador da Universidade de Wisconsin-Madison, nos Estados Unidos, Daniel Gianola, para ser um dos palestrantes no 26º Seminário de Criadores e Pesquisadores, que acontece no dia 22 de julho, em Ribeirão Preto (SP).

O pesquisador vai falar sobre os métodos estatísticos que têm desempenhado um papel importante no melhoramento genético animal, principalmente do gado leiteiro.

Com o tema “Uma breve história dos métodos de avaliação genética: de Henderson a procedimentos multiraciais”, Gianola vai apresentar dados de um estudo realizado sobre métodos estatísticos utilizados no melhoramento genético animal desde que a prática se tornou ciência até os dias atuais.

“Analisaremos contribuições fundamentais, como o modelo infinitesimal de Fisher, os coeficientes de passo de Wright, os métodos de estimativa de componentes de variância de Henderson, equações de modelo misto e BLUP e vários modelos do tipo Bayesiano” detalha.

Desde os anos 2000, uma explosão de informações genômicas trouxe desafios para o setor, levando à busca por técnicas que capturassem de forma confiável a complexidade das características quantitativas. Nesse contexto, milhares de touros e vacas leiteiras foram genotipados com marcadores moleculares que consideravam vários modelos de regressão bayesiana, técnicas de inteligência artificial e machine learning que estão sendo adaptadas para extrair conhecimento de dados com altíssima dimensionalidade.

“Um princípio central é que a população de treinamento represente da melhor maneira possível as configurações genéticas que aparecem na população a ser predita”, explica Daniel, que completa: “Apresentaremos cálculos simples que suportam essa conjectura. A capacidade preditiva deve melhorar, não apenas pelo maior tamanho das populações de treinamento e validação, mas também porque o método preditivo “explora” um número maior de configurações genéticas”, finaliza.

Clique aqui e faça a sua inscrição gratuita para participar do 26º Seminário de Criadores e Pesquisadores da ANCP.