Caracterização genética do padrão de manchas no tambaqui (Colossoma macropomum)
Carregando...
Data
2023-02-17
Autores
Lemos, Celma Gomes de
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Resumo
O tambaqui (Colossoma macropomum) é o peixe neotropical mais produzido em água doce na aquicultura sul-americana, sendo uma espécie alvo para os programas de seleção genética. Apesar de pesquisas que contribuíram com o avanço de produção da espécie nos últimos anos, não há informações sobre parâmetros genéticos voltados a características de coloração e/ou padrão de manchas ventrais, e suas implicações no desempenho produtivo/genético da espécie. Como também não há estudos ligados a inteligência artificial que possam integrar características de coloração nos programas de seleção genética utilizando sistemas automatizados de visão computacional (CVS). O objetivo desse estudo foi analisar se o padrão de manchas ventrais pode ser inserido como critério de seleção em programas de melhoramento genético voltados ao tambaqui e desenvolver um CVS para automatização da predição dessa característica, utilizando uma máscara R-CNN com 18 camadas, a fim de reduzir custos computacionais e facilitar a incorporação da mesma em programas de seleção. Foram utilizadas duas populações de tambaquis pertencentes ao CAUNESP, uma para análise dos parâmetros genéticos (herdabilidade e correlações genéticas e fenotípicas) das manchas ventrais com características de crescimento e rendimento e a outra para desenvolvimento do CVS. As análises genéticas demonstraram que a área de mancha ventral da espécie é uma característica com herdabilidade moderada (0.16 ± 0.10), com correlações genéticas que variaram entre moderadas e altas, mas em sua maioria altas, sendo as maiores e menores correlações significativas entre a área de mancha e rendimento de costela (0.99 ± 0.06) e rendimento de lombo (0.46 ± 0.03), respectivamente. Todas as correlações fenotípicas variaram de baixas a moderadas, com valores negativos. A análise de correlação de Pearson das medições manuais e preditas, apresentou-se alta e positiva (0.92%), demostrando que o CVS desenvolvido pode ser utilizado para fenotipagem em larga escala da característica. Os resultados indicaram que a área de manchas ventrais pode ser considerada como critério para os programas de seleção, e a abordagem deep learning validada pode ser utilizada para fenotipagem em larga escala da característica.
The tambaqui (Colossoma macropomum) is the most produced neotropical fish in freshwater in South American aquaculture, being a target species for genetic selection programs. Despite research that has contributed to the advancement of production of the species in recent years, there is no information on genetic parameters focused on color characteristics and/or pattern of ventral spots, and their implications on the productive/genetic performance of the species. Also, there are no studies related to artificial intelligence that can integrate color traits into genetic selection programs using automated computer vision systems (CVS). The objective of this study was to analyze whether the pattern of ventral spots can be inserted as a selection criterion in genetic improvement programs aimed at tambaqui and to develop a CVS to automate the prediction of this characteristic, using an R-CNN mask with 18 layers, in order to to reduce computational costs and facilitate its incorporation into selection programs. Two populations of tambaqui belonging to CAUNESP were used, one for the analysis of genetic parameters (heritability and genetic and phenotypic correlations) of ventral spots with growth and yield characteristics and the other for CVS development. The genetic analyzes demonstrated that the ventral spot area of the species is a trait with moderate heritability (0.16 ± 0.10), with genetic correlations that varied between moderate and high, but mostly high, with the highest and lowest significant correlations between the area of spot and rib yield (0.99 ± 0.06) and loin yield (0.46 ± 0.03), respectively. All phenotypic correlations ranged from low to moderate, with negative values. Pearson's correlation analysis of manual and predicted measurements was high and positive (0.92%), demonstrating that the developed CVS can be used for large-scale phenotyping of the trait. The results indicated that the area of ventral spots can be considered as a criterion for selection programs, and the validated deep learning approach can be used for large-scale phenotyping of the trait.
The tambaqui (Colossoma macropomum) is the most produced neotropical fish in freshwater in South American aquaculture, being a target species for genetic selection programs. Despite research that has contributed to the advancement of production of the species in recent years, there is no information on genetic parameters focused on color characteristics and/or pattern of ventral spots, and their implications on the productive/genetic performance of the species. Also, there are no studies related to artificial intelligence that can integrate color traits into genetic selection programs using automated computer vision systems (CVS). The objective of this study was to analyze whether the pattern of ventral spots can be inserted as a selection criterion in genetic improvement programs aimed at tambaqui and to develop a CVS to automate the prediction of this characteristic, using an R-CNN mask with 18 layers, in order to to reduce computational costs and facilitate its incorporation into selection programs. Two populations of tambaqui belonging to CAUNESP were used, one for the analysis of genetic parameters (heritability and genetic and phenotypic correlations) of ventral spots with growth and yield characteristics and the other for CVS development. The genetic analyzes demonstrated that the ventral spot area of the species is a trait with moderate heritability (0.16 ± 0.10), with genetic correlations that varied between moderate and high, but mostly high, with the highest and lowest significant correlations between the area of spot and rib yield (0.99 ± 0.06) and loin yield (0.46 ± 0.03), respectively. All phenotypic correlations ranged from low to moderate, with negative values. Pearson's correlation analysis of manual and predicted measurements was high and positive (0.92%), demonstrating that the developed CVS can be used for large-scale phenotyping of the trait. The results indicated that the area of ventral spots can be considered as a criterion for selection programs, and the validated deep learning approach can be used for large-scale phenotyping of the trait.
Descrição
Palavras-chave
Tambaqui, Coloração, Deep learning, Seleção