Algoritmos de aprendizaje automático en la predicción del comportamiento a enfermedades y rendimiento en dos cultivos

Abstract

La predicción genómica en plantas permite estimar características fenotípicas en individuos no evaluados. Este estudio compara la capacidad predictiva de modelos de aprendizaje automático (ML) frente a modelos lineales mixtos (MM). Para ello se emplearon dos bases de datos: una del Programa Global de Mejoramiento de Trigo (CIMMYT, México) con 599 líneas genotipadas con 11447 marcadores DArT y valores de rendimiento; y otra del INTA Pergamino (Argentina) con 63 líneas de maíz genotipadas con un chip de SNPS de 56K y fenotipadas para Fusarium verticillioides y Fusarium graminearum. Se ajustaron tres modelos de ML: 1-Bosques Aleatorios (RF), 2-Máquinas de Soporte Vectorial (SVM), y 3-Máquinas de Gradiente Recurrente (GBM) y tres MM con efecto aleatorio de genotipo y tres estructuras de varianza y covarianza: matriz de parentesco (K), matriz de aditividad genética (A) y la combinación de ambas (KA). Se realizó una validación cruzada para evaluar el comportamiento de los modelos en la predicción, se estimó la correlación (r) entre los valores observados y los predichos y se calculó el error cuadrático medio de predicción (RMSE). En el caso del trigo, el MM-A fue el de menor RMSE= 0.84 y obtuvo la mayor correlación r=0.50. Entre los ML, RF presentó menor RMSE=0.77 y la mayor correlación r=0.62. En cuanto al maíz, para FV se obtuvo RMSE=0.28 y valor de correlación r=0.98 y para FG el RMSE fue de 0.28 y valor de correlación r=0.97. Los modelos de aprendizaje automático ofrecieron buenos resultados predictivos en comparación con los modelos lineales mixtos, siendo RF el de mejor comportamiento predictivo para los caracteres agronómicos evaluados en este estudio.