Optimization of predictive ability of genomic selection models for Fusarium Head Blight resistance in wheat cultivars through nonlinear parameterization functions

[ES] La Fusariosis de la Espiga (FHB) representa una amenaza significativa para la producción global de trigo, causando pérdidas de rendimiento, contaminación por micotoxinas y poniendo en peligro la seguridad alimentaria. El desarrollo de variedades de trigo resistentes a FHB mediante métodos conve...

Descripción completa

Detalles Bibliográficos
Autor: Tita, Bleck Tabeh
Tipo de recurso: tesis de maestría
Fecha de publicación:2023
País:España
Institución:Universitat Politècnica de València (UPV)
Repositorio:RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
Idioma:inglés
OAI Identifier:oai:riunet.upv.es:10251/197100
Acceso en línea:https://riunet.upv.es/handle/10251/197100
Access Level:acceso abierto
Palabra clave:Selección genómica (GS)
Fusariosis de la espiga (FHB)
Trigo
Resistencia cuantitativa
Mejora vegetal
Simulación y evidencia empírica
Regresión no lineal
Genomic selection (GS)
Fusarium head blight (FHB)
Wheat
Quantitative resistance
Plant breeding
Simulation and empirical evidence
Nonlinear regression
Máster Universitario Erasmus Mundus en Mejora Genética Vegetal / Erasmus Mundus Master in Plant Breeding - emPLANT +-Màster Universitari Erasmus Mundus en Millora Genètica Vegetal / Erasmus Mundus Màster in Plant Breeding - emPLANT +
id ES_ec8032d97a1d533e85fb7aacdf3f662f
oai_identifier_str oai:riunet.upv.es:10251/197100
network_acronym_str ES
network_name_str España
repository_id_str
dc.title.none.fl_str_mv Optimization of predictive ability of genomic selection models for Fusarium Head Blight resistance in wheat cultivars through nonlinear parameterization functions
Optimización de la capacidad predictiva de los modelos de selección genómica para la detección de cultivares de trigo resistentes a la fusariosis de la espiga mediante el uso de funciones de parametrización no lineales
Optimització de la capacitat predictiva dels models de selecció genòmica per a la detecció de cultius de blat resistents a la fusariosi de l&apos
espiga mitjançant l&apos
ús de funcions de parametrització no lineals.
title Optimization of predictive ability of genomic selection models for Fusarium Head Blight resistance in wheat cultivars through nonlinear parameterization functions
spellingShingle Optimization of predictive ability of genomic selection models for Fusarium Head Blight resistance in wheat cultivars through nonlinear parameterization functions
Tita, Bleck Tabeh
Selección genómica (GS)
Fusariosis de la espiga (FHB)
Trigo
Resistencia cuantitativa
Mejora vegetal
Simulación y evidencia empírica
Regresión no lineal
Genomic selection (GS)
Fusarium head blight (FHB)
Wheat
Quantitative resistance
Plant breeding
Simulation and empirical evidence
Nonlinear regression
Máster Universitario Erasmus Mundus en Mejora Genética Vegetal / Erasmus Mundus Master in Plant Breeding - emPLANT +-Màster Universitari Erasmus Mundus en Millora Genètica Vegetal / Erasmus Mundus Màster in Plant Breeding - emPLANT +
title_short Optimization of predictive ability of genomic selection models for Fusarium Head Blight resistance in wheat cultivars through nonlinear parameterization functions
title_full Optimization of predictive ability of genomic selection models for Fusarium Head Blight resistance in wheat cultivars through nonlinear parameterization functions
title_fullStr Optimization of predictive ability of genomic selection models for Fusarium Head Blight resistance in wheat cultivars through nonlinear parameterization functions
title_full_unstemmed Optimization of predictive ability of genomic selection models for Fusarium Head Blight resistance in wheat cultivars through nonlinear parameterization functions
title_sort Optimization of predictive ability of genomic selection models for Fusarium Head Blight resistance in wheat cultivars through nonlinear parameterization functions
dc.creator.none.fl_str_mv Tita, Bleck Tabeh
author Tita, Bleck Tabeh
author_facet Tita, Bleck Tabeh
author_role author
dc.contributor.none.fl_str_mv Gramazio, Pietro
Isidro Sanchez, Julio
Instituto Universitario de Conservación y Mejora de la Agrodiversidad Valenciana
Repositorio Institucional de la Universitat Politècnica de València Riunet
dc.subject.none.fl_str_mv Selección genómica (GS)
Fusariosis de la espiga (FHB)
Trigo
Resistencia cuantitativa
Mejora vegetal
Simulación y evidencia empírica
Regresión no lineal
Genomic selection (GS)
Fusarium head blight (FHB)
Wheat
Quantitative resistance
Plant breeding
Simulation and empirical evidence
Nonlinear regression
Máster Universitario Erasmus Mundus en Mejora Genética Vegetal / Erasmus Mundus Master in Plant Breeding - emPLANT +-Màster Universitari Erasmus Mundus en Millora Genètica Vegetal / Erasmus Mundus Màster in Plant Breeding - emPLANT +
topic Selección genómica (GS)
Fusariosis de la espiga (FHB)
Trigo
Resistencia cuantitativa
Mejora vegetal
Simulación y evidencia empírica
Regresión no lineal
Genomic selection (GS)
Fusarium head blight (FHB)
Wheat
Quantitative resistance
Plant breeding
Simulation and empirical evidence
Nonlinear regression
Máster Universitario Erasmus Mundus en Mejora Genética Vegetal / Erasmus Mundus Master in Plant Breeding - emPLANT +-Màster Universitari Erasmus Mundus en Millora Genètica Vegetal / Erasmus Mundus Màster in Plant Breeding - emPLANT +
description [ES] La Fusariosis de la Espiga (FHB) representa una amenaza significativa para la producción global de trigo, causando pérdidas de rendimiento, contaminación por micotoxinas y poniendo en peligro la seguridad alimentaria. El desarrollo de variedades de trigo resistentes a FHB mediante métodos convencionales de mejora es un desafío debido a la compleja arquitectura genética de los rasgos de resistencia. La selección genómica (GS) ofrece una solución prometedora para acelerar la mejora del trigo en cuanto a la resistencia a FHB. En este estudio, evaluamos la precisión de los valores de mejora genómica estimados (GEBVs) para la resistencia a FHB en una diversa colección de 865 variedades de trigo hexaploide (Triticum aestivum). Para modelar la curva de progresión de FHB, utilizamos funciones de regresión no lineal que incluyen logística, Gompertz, Mono-molecular, Gaussiana y Gamma. Además, se utilizó el área convencional bajo la curva de progresión de la enfermedad (AUDPC) como referencia. Nuestros resultados muestran que la función Logística con dos parámetros mostró la correlación más alta de 0,89 con AUDPC. Para predecir los GEBV, aplicamos el método de predicción lineal mejorada genómica (GBLUP), XgBoost y varios métodos de regresión bayesiana (BayesA, BayesB, BayesC, BayesRR). Mediante validación cruzada de cinco pliegues, la precisión media a lo largo de los años fue de 0,58, 0,60, 0,55 y 0,53 para BayesA y BayesB, GBLUP y XgBoost respectivamente, cuando se utilizó el parámetro B de la función logística. Cuando se utiliza AUDPC, GBLUP, XgBoost, BayesA y BayesB consiguen precisiones de predicción de 0,54, 0,49, 0,57 y 0,59 respectivamente. Nuestros resultados destacan la eficacia de los modelos de regresión no lineal en la selección genómica para mejorar la resistencia a FHB en trigo. El uso de la parametrización no lineal superó a la AUDPC convencional, con BayesB, BayesA, GBLUP y Xgboost en otros de fuerza mostrando una mayor precisión en la predicción de variedades resistentes a FHB. Estos resultados proporcionan información valiosa para los mejoradores que buscan desarrollar variedades de trigo resistentes a FHB utilizando GS.
publishDate 2023
dc.date.none.fl_str_mv 2023
2023-09-26
2023
2023-07-28
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv https://riunet.upv.es/handle/10251/197100
url https://riunet.upv.es/handle/10251/197100
dc.language.none.fl_str_mv Inglés
eng
language_invalid_str_mv Inglés
language eng
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
Reserva de todos los derechos
http://rightsstatements.org/vocab/InC/1.0/
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
Reserva de todos los derechos
http://rightsstatements.org/vocab/InC/1.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universitat Politècnica de València
publisher.none.fl_str_mv Universitat Politècnica de València
dc.source.none.fl_str_mv reponame:RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
instname:Universitat Politècnica de València (UPV)
instname_str Universitat Politècnica de València (UPV)
reponame_str RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
collection RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869423320340889601
spelling Optimization of predictive ability of genomic selection models for Fusarium Head Blight resistance in wheat cultivars through nonlinear parameterization functionsOptimización de la capacidad predictiva de los modelos de selección genómica para la detección de cultivares de trigo resistentes a la fusariosis de la espiga mediante el uso de funciones de parametrización no linealesOptimització de la capacitat predictiva dels models de selecció genòmica per a la detecció de cultius de blat resistents a la fusariosi de l&aposespiga mitjançant l&aposús de funcions de parametrització no lineals.Tita, Bleck TabehSelección genómica (GS)Fusariosis de la espiga (FHB)TrigoResistencia cuantitativaMejora vegetalSimulación y evidencia empíricaRegresión no linealGenomic selection (GS)Fusarium head blight (FHB)WheatQuantitative resistancePlant breedingSimulation and empirical evidenceNonlinear regressionMáster Universitario Erasmus Mundus en Mejora Genética Vegetal / Erasmus Mundus Master in Plant Breeding - emPLANT +-Màster Universitari Erasmus Mundus en Millora Genètica Vegetal / Erasmus Mundus Màster in Plant Breeding - emPLANT +[ES] La Fusariosis de la Espiga (FHB) representa una amenaza significativa para la producción global de trigo, causando pérdidas de rendimiento, contaminación por micotoxinas y poniendo en peligro la seguridad alimentaria. El desarrollo de variedades de trigo resistentes a FHB mediante métodos convencionales de mejora es un desafío debido a la compleja arquitectura genética de los rasgos de resistencia. La selección genómica (GS) ofrece una solución prometedora para acelerar la mejora del trigo en cuanto a la resistencia a FHB. En este estudio, evaluamos la precisión de los valores de mejora genómica estimados (GEBVs) para la resistencia a FHB en una diversa colección de 865 variedades de trigo hexaploide (Triticum aestivum). Para modelar la curva de progresión de FHB, utilizamos funciones de regresión no lineal que incluyen logística, Gompertz, Mono-molecular, Gaussiana y Gamma. Además, se utilizó el área convencional bajo la curva de progresión de la enfermedad (AUDPC) como referencia. Nuestros resultados muestran que la función Logística con dos parámetros mostró la correlación más alta de 0,89 con AUDPC. Para predecir los GEBV, aplicamos el método de predicción lineal mejorada genómica (GBLUP), XgBoost y varios métodos de regresión bayesiana (BayesA, BayesB, BayesC, BayesRR). Mediante validación cruzada de cinco pliegues, la precisión media a lo largo de los años fue de 0,58, 0,60, 0,55 y 0,53 para BayesA y BayesB, GBLUP y XgBoost respectivamente, cuando se utilizó el parámetro B de la función logística. Cuando se utiliza AUDPC, GBLUP, XgBoost, BayesA y BayesB consiguen precisiones de predicción de 0,54, 0,49, 0,57 y 0,59 respectivamente. Nuestros resultados destacan la eficacia de los modelos de regresión no lineal en la selección genómica para mejorar la resistencia a FHB en trigo. El uso de la parametrización no lineal superó a la AUDPC convencional, con BayesB, BayesA, GBLUP y Xgboost en otros de fuerza mostrando una mayor precisión en la predicción de variedades resistentes a FHB. Estos resultados proporcionan información valiosa para los mejoradores que buscan desarrollar variedades de trigo resistentes a FHB utilizando GS.[EN] Fusarium ear blight (FHB) represents a significant threat to global wheat production, causing yield losses, mycotoxin contamination, and jeopardizing food security. The development of FHB-resistant wheat varieties through conventional breeding methods is challenging due to the complex genetic architecture of the resistance traits. Genomic selection (GS) offers a promising solution to accelerate wheat breeding for FHB resistance. In this study, we evaluated the accuracy of estimated genomic breeding values (GEBVs) for FHB resistance in a diverse collection of 865 hexaploid wheat (Triticum aestivum) varieties. We used nonlinear regression functions to model the FHB progression curve, including Logistic, Gompertz, Mono-molecular, Gaussian, and Gamma. In addition, the conventional Area Under the Disease Progression Curve (AUDPC) was used as a reference. Our results show that the Logistic function with two parameters showed the highest correlation of 0.89 with AUDPC. To predict GEBVs, we applied the Genomic Linear Enhanced Linear Prediction (GBLUP) method, XgBoost, and several Bayesian regression methods (BayesA, BayesB, BayesC, BayesRR). By five-fold cross-validation, the average precision across years was 0.58, 0.60, 0.55, and 0.53 for BayesA and BayesB, GBLUP, and XgBoost, respectively, when using parameter B of the logistic function. When using AUDPC, GBLUP, XgBoost, BayesA, and BayesB achieved prediction accuracies of 0.54, 0.49, 0.57 and 0.59, respectively. Our results highlight the effectiveness of nonlinear regression models in genomic selection for improving FHB resistance in wheat. The use of nonlinear parameterization outperformed conventional AUDPC, with BayesB, BayesA, GBLUP, and Xgboost in other strengths showing higher accuracy in predicting FHB resistant varieties. These results provide valuable insights for breeders seeking to develop FHB-resistant wheat varieties using GS.Universitat Politècnica de ValènciaGramazio, PietroIsidro Sanchez, JulioInstituto Universitario de Conservación y Mejora de la Agrodiversidad ValencianaRepositorio Institucional de la Universitat Politècnica de València Riunet20232023-09-2620232023-07-28master thesishttp://purl.org/coar/resource_type/c_bdccinfo:eu-repo/semantics/masterThesisapplication/pdfhttps://riunet.upv.es/handle/10251/197100reponame:RiuNet. Repositorio Institucional de la Universitat Politécnica de Valénciainstname:Universitat Politècnica de València (UPV)Inglésengopen accesshttp://purl.org/coar/access_right/c_abf2Reserva de todos los derechoshttp://rightsstatements.org/vocab/InC/1.0/info:eu-repo/semantics/openAccessoai:riunet.upv.es:10251/1971002026-06-13T07:49:27Z
score 15.301603

Similares en LA Referencia