Project

Een geïntegreerd predictiesysteem voor genoomwijde selectie (type 1)

Code
17809110
Looptijd
01-10-2010 → 30-09-2012
Financiering
Gewestelijke en gemeenschapsmiddelen: IWT/VLAIO
Onderzoeksdisciplines
  • Natural sciences
    • Applied mathematics in specific fields
    • Computer architecture and networks
    • Distributed computing
    • Information sciences
    • Information systems
    • Programming languages
    • Scientific computing
    • Theoretical computer science
    • Visual computing
    • Other information and computing sciences
    • Bioinformatics and computational biology
    • Plant biology
  • Medical and health sciences
    • Bioinformatics and computational biology
    • Bioinformatics and computational biology
    • Public health care
    • Public health services
    • Bioinformatics and computational biology
  • Engineering and technology
    • Scientific computing
  • Agricultural and food sciences
    • Agricultural animal production
    • Agricultural plant production
    • Horticultural production
    • Veterinary medicine
Trefwoorden
genoomwijde selectie REML RKHS spin-off BLUP
 
Projectomschrijving

Genoomwijde selectie is een term die gebruikt worden voor het geheel van methodes en technieken die toelaten om een moleculaire vingerafdruk van een plant of dier te verbinden aan zijn (toekomstige) agronomische prestaties. Het project beoogt de ontwikkeling en implementatie van een genoomwijde predictiemethodiek die toepasbaar is op industriële schaal. Hierbij worden Reproducing Kernel Hilbert Space (RKHS) regression kernels geïntegreerd in een gemengd lineair model zodat ongekende kernel- en variantieparameters geschat kunnen worden via Restricted Maximum Likelihood (REML). Het resulterende stelsel van lineaire vergelijkingen is ijl met één of meerdere dichte kernen waardoor de oplossing enkel kan bekomen worden door een combinatie van oplossingroutines te hanteren. Bovendien moet de werklast voor het oplossen van deze stelsels verdeeld worden over de rekennodes van een computercluster. Deze aanpak laat toe om alle beschikbare genotypische en fenotypische gegevens van een volledig veredelingsprogramma te gebruiken om een accuraat genoomwijd predictiemodel op te stellen voor meerdere economisch relevante eigenschappen. Het is de bedoeling de ontwikkelde methode(s) te implementeren in een rekenkundig efficiënt, gebruiksvriendelijk softwarepakket dat gecommercialiseerd zal worden door een spin-off bedrijf.