Redes neurais artificiais para descritores morfológicos em germoplasma de alface biofortificada

RESUMO

A classificação baseada em descritores morfológicos em alface é considerada uma atividade complexa e mostra-se eficiente para estudo de características fenotípicas. Portanto, o objetivo deste estudo foi analisar o banco de germoplasma de alface biofortificada da Universidade Federal de Uberlândia utilizando descritores morfológicos convencionais e redes neurais artificiais. O experimento foi conduzido em campo. O delineamento experimental empregado foi de blocos casualizados, composto por 14 tratamentos (11 genótipos de minialface e as cultivares Purpurita, UDI 10.000 e Pira 72) com quatro repetições. Foram avaliados nove descritores morfológicos. Após a aquisição dos dados, foram realizadas análises de matrizes de dissimilaridade, análise de componentes principais, construção de dendrogramas e análises de redes neurais artificiais (RNA). Os genótipos apresentaram variabilidade fenotípica quando comparados às linhagens parentais UDI 10.000 e Pira 72. A cor roxa das folhas e a presença de antocianinas em toda a superfície foliar foram predominantes entre os genótipos. Descritores como intensidade e cor das folhas, intensidade, coloração e distribuição de antocianinas foram os mais influentes na avaliação da variabilidade genética. O Mapa Auto-Organizável (SOM) demonstrou maior sensibilidade na discriminação entre genótipos em comparação ao Método de Grupos de Pares Não Ponderados com Média Aritmética (UPGMA). Enquanto o método de agrupamento UPGMA agrupou os genótipos em três agrupamentos, o método SOM agrupou em cinco agrupamentos. A utilização de análises de distância genética e dendograma SOM mostrou-se eficaz na seleção dos indivíduos UFU 215#1, UFU 215#2, UFU 215#6, UFU 215#10 e UFU 215#13, que estão agrupados com a cultivar UFU Mini Biofort.

Palavras-chave:
Inteligência artificial; Melhoramento de Plantas; Vegetais