Um novo modelo de aprendizado de máquina para prever o rendimento das culturas, usando dados ambientais e informações genéticas, pode transformar o desenvolvimento de novas variedades agrícolas com maior produtividade.
Igor Fernandes, mestrando em estatística e análise na Universidade de Arkansas, trouxe sua experiência em ciência de dados e agronomia, adquirida como assistente de graduação na Embrapa, para criar uma abordagem inovadora. Com a orientação de Sam Fernandes, professor associado de estatística agrícola e genética quantitativa, Igor desenvolveu um modelo focado em dados ambientais que recentemente foi publicado na revista Theoretical and Applied Genetics. O estudo, intitulado “Usando aprendizado de máquina para combinar dados genéticos e ambientais para previsões de rendimento de grãos de milho em testes multiambientais,” destacou-se ao obter o segundo lugar no concurso internacional Genome to Fields.
O trabalho demonstra que, apesar de a abordagem baseada apenas em dados ambientais ter superado as expectativas, existe potencial para aprimorar a comparação com modelos tradicionais de previsão genômica. O melhoramento genômico utiliza apenas o DNA para selecionar candidatos para testes de campo, economizando tempo e recursos. Segundo Sam Fernandes, a previsão genômica permite estimar o rendimento das plantas com base no DNA e em dados anteriores sem necessidade de plantio, otimizando o processo de desenvolvimento de novas variedades adaptadas a condições específicas, como a seca. Os coautores do estudo incluem Caio Vieira, professor associado de melhoramento de soja, e Kaio Dias, professor de biologia geral na Universidade Federal de Viçosa.
googletag.cmd.push(function() { googletag.display(‘agk_14000_pos_4_conteudo_mobile’); });
Fonte: agrolink
