Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.ufu.br/handle/123456789/43902
ORCID: | http://orcid.org/0009-0005-1295-2687 |
Tipo de documento: | Trabalho de Conclusão de Curso |
Tipo de acceso: | Acesso Aberto |
Título: | Análise multivariada e uso de redes neurais artificiais para caracterização de híbridos de tomateiro provenientes de parental masculino anão |
Autor: | Jesus, Jordana Soares de |
Primer orientador: | Maciel, Gabriel Mascarenhas |
Primer miembro de la banca: | Ribeiro, Ana Luísa Alves |
Segundo miembro de la banca: | Pereira, Lucas Medeiros |
Resumen: | As hortaliças, em especial o tomate (Solanum lycopersicum L.), têm se tornado cada vez mais presentes na dieta populacional, o que tem aumentado a demanda por esses produtos no mercado. O tomate assim, é considerado uma das hortaliças mais importantes, pois além do seu consumo in natura, também é muito utilizado na indústria de processamento. Existem diversos tipos de tomates, com diferentes cores, tamanhos e formatos. Além do valor econômico, o agronegócio do tomate gera renda e empregos diretos e indiretos. Com isto, o uso de genes de nanismo tem sido bastante empregado pelos melhoristas com o objetivo de melhorar o desempenho da cultura. Estudos têm mostrado resultados significativos para produtividade e quantidade de sólidos solúveis a partir do cruzamento entre linhagens de porte anão e normal. E o uso das redes neurais artificiais para análises da dissimilaridade genética em tomateiros anões tem sido bastante empregada. Com base no exposto, o objetivo deste trabalho foi avaliar o potencial agronômico dos híbridos de tomateiros provenientes de parentais masculinos de porte anão através do uso de análises multivariadas e redes neurais. O experimento foi realizado em casa de vegetação na Estação Experimental de Hortaliças da UFU e no Laboratório de Recursos Genéticos. Foram utilizados genótipos provenientes do cruzamento entre linhagens anãs e pré-comerciais. Estimou-se os coeficientes de correlação fenotípica e genotípica entre as características teor de acilaçúcares, formato de fruto, espessura da polpa, número de lóculos, produtividade, peso médio de fruto e número de frutos por planta. Para análises de dissimilaridade, o dendrograma obtido pelo método UPGMA. O método de Redes Neurais foi utilizado para classificar os tratamentos em função do número de neurônios, representar os neurônios e a magnitude de influência das variáveis e apresentar as distâncias dos vizinhos mais próximos e clusterização dos neurônios. E diante dos métodos, foi possível observar que os híbridos provenientes de parentais masculinos anões apresentaram aumento na produtividade quando comparados com os parentais, e observou-se que o teor de acilaçúcar está relacionado ao formato alongado dos frutos. Para outras características produtivas, a herança genética foi atribuída às parentais femininas. Por fim, as análises de redes neurais indicaram que os híbridos são similares entre si, e que as características agronômicas foram herdadas das parentais femininas, enquanto o teor de acilaçúcar e o formato dos frutos foram derivados dos parentais masculinos. |
Palabras clave: | Solanum lycopersicum.; melhoramento genético; fenótipo anão; heterose. |
Área (s) del CNPq: | CNPQ::CIENCIAS AGRARIAS |
Idioma: | por |
País: | Brasil |
Editora: | Universidade Federal de Uberlândia |
Cita: | JESUS, Jordana Soares de. Análise multivariada e uso de redes neurais artificiais para caracterização de híbridos de tomateiro provenientes de parental masculino anão. 2024. 26 f. Trabalho de Conclusão de Curso (Graduação em Agronomia) – Universidade Federal de Uberlândia, Monte Carmelo, 2024. |
URI: | https://repositorio.ufu.br/handle/123456789/43902 |
Fecha de defensa: | 1-nov-2024 |
Aparece en las colecciones: | TCC - Agronomia (Monte Carmelo) |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
Tcc_Jordana_versão_final_pós_banca.pdf | 698.87 kB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons