Uso de aprendizaje supervisado de máquina para la predicción de valores genéticos basada en dos generaciones de ancestros

Resumen

El uso eficiente de herramientas destinadas a acelerar la mejora genética, como el apareamiento dirigido, requiere información sobre los valores genéticos tanto de los criadores como de las madres, sin embargo, la baja precisión o la falta de la misma puede comprometer los programas de mejora genética, por lo tanto, estimar los valores genéticos de las hembras es un desafío. Ya se han propuesto metodologías que utilizan solo información de los antepasados masculinos para calcular los valores genéticos de las hembras, sin embargo, la aparición de tecnologías de aprendizaje automático supervisado ha hecho contribuciones relevantes a la mejora genética. Por lo tanto, este estudio tiene como objetivo evaluar una metodología basada en un algoritmo de regresión lineal supervisado en función del método consolidado en la literatura, que puede emplearse en programas de mejora genética. Los resultados del análisis de correlación de Pearson fueron todos significativos (p<0.0001) entre los valores predichos de ambos modelos y los valores reales, lo que demuestra que ambos modelos pueden utilizarse para estimar valores genéticos. Sin embargo, al utilizar el modelo basado en aprendizaje automático fue posible observar errores con desviaciones estándar menores para las características de leche, grasa, proteína y vida productiva, e iguales para las demás características analizadas, lo que indica que los modelos que utilizan tecnologías derivadas del aprendizaje automático tienen aplicaciones prometedoras en la mejora genética.