Padrão da diversidade gerada pela seleção divergente pelos mapas auto-organizáveis de Kohonen (SOM)

Vol 1, 2020 - 132815
Trabalhos
Favorite this paper
How to cite this paper?
Abstract

Os mapas auto-organizáveis de Kohonen (SOM) são redes neurais não supervisionadas que mapeiam vetores de entrada através de uma matriz de neurônios. O mapeamento SOM é promissor nos estudos de genética de populações, pois organiza as mesmas topologicamente em um mapa, captando a variação genética gerada por fatores evolutivos como a seleção divergente. Este trabalho tem como objetivo verificar a eficiência do SOM para mapear populações submetidas a seleção divergente com diferentes valores de seleção (s), constatando se o SOM é eficaz para mapear índices com valores mais elevados. Para isso, foi simulada uma população base em equilíbrio de Hardy-Weinberg com 1000 indivíduos e 100 locos bialélicos codominantes. E a partir desta foram simuladas 10 gerações de seleção divergente, contra e favor do alelo ak, com três diferentes índices de seleção (s=0.1, 0.2 ou 0.3). Para cada loco, foram estimadas as frequências genotípicas (D, H e R, para AA, Aa e aa, respectivamente) e alélica (p e q, para A e a, respectivamente). Os valores de D, H e q foram utilizados para o mapeamento SOM. O software genes em interação com o Matlab 2016a foi utilizado para as análises, e o mapeamento testado com 1000 e 1500 iterações, raio igual a 1, topologia hexagonal e diferentes grids. O grid 4x4, ou seja, com 16 neurônios foi o que melhor organizou as populações. Os resultados constataram que apesar do SOM reconhecer as variações nas populações com os índices de seleção divergentes menores (s=0.1 e 0.2), pode-se verificar que o mesmo também foi muito eficiente para organização de gerações com índices maiores de seleção (s=0.3). Assim, o SOM identifica a variação gerada e o mapa final pode ser explicado pela interpretação biológica do fenômeno. Conclui-se que além do mapeamento SOM ser eficiente em mapear populações geradas com índices menores, a sua eficiência aumenta com valores maiores de índices de seleção.

Institutions
  • 1 Universidade do Estado de Minas Gerais
  • 2 Universidade Federal de Viçosa
Track
  • Quantitative and statistical genetics
Keywords
som
Redes Neurais
Seleção divergente
Simulação