Kelci Miclaus
Responsable R & D analytique avancé
JMP Sciences de la vie
Abstrait:
Sur les 7,3 milliards d'habitants de la planète, 3 milliards souffrent de malnutrition. Nourrir notre population croissante est l'un des problèmes les plus difficiles de notre génération. Comment pouvons-nous améliorer nos cultures pour obtenir des rendements plus élevés, une meilleure résistance aux maladies, avec une capacité de culture dans des environnements plus difficiles, tout en augmentant la teneur en vitamines? Les nouveaux outils de prévision dans JMP et JMP Genomics aident les sélectionneurs à tirer parti de la variabilité génomique des plantes pour trouver des solutions à ces problèmes complexes comportant plusieurs traits. Dans cette présentation, nous montrons comment JMP Genomics, une solution combinant JMP avec SAS et de nombreuses applications JSL personnalisées, construit des modèles prédictifs avec des marqueurs génomiques pour optimiser les résultats des traits. Les codes de scoring des modèles sont utilisés pour créer des croisements de plantes potentiels et évaluer les résultats prévus de plusieurs caractères simultanément. Les graphiques JMP interactifs utilisant la sélection de rangées dominantes pour sélectionner les points de frontière de Pareto permettent aux sélectionneurs de sélectionner des croisements de plantes potentiels à effectuer sur le terrain qui optimisent plusieurs caractères en fonction du patrimoine génétique. Essentiellement, avec des outils de prévision analytique et une exploration interactive, nous pouvons exécuter des programmes de reproduction in silico pluriannuels en quelques heures. Les données sur la sélection du maïs de la Société brésilienne de recherche agricole (Embrapa) seront utilisées lors de démonstrations.
