Kohonen’s self-organizing maps for the study of genetic dissimilarity among soybean cultivars and genotypes

• Published in: Pesquisa agropecuaria brasileira Vol. 57
• Main Authors: Sá, Ludimila Geiciane de, Azevedo, Alcinei Mistico, Albuquerque, Carlos Juliano Brant, Valadares, Nermy Ribeiro, Brito, Orlando Gonçalves, Fernandes, Ana Clara Gonçalves, Aspiazú, Ignacio
• Format: Journal Article
• Language: English
• Published: Embrapa Secretaria de Pesquisa e Desenvolvimento; Pesquisa Agropecuária Brasileira 01-01-2022; Embrapa Informação Tecnológica
• Subjects: AGRICULTURE, DAIRY & ANIMAL SCIENCE; AGRICULTURE, MULTIDISCIPLINARY; artificial neural networks; Glycine max; multivariate analysis; plant breeding; artificial neural networks; redes neurais artificiais; melhoramento genético vegetal; plant breeding; Glycine max; multivariate analysis; análise multivariada
• ISSN: 0100-204X; 1678-3921; 1678-3921
• DOI: 10.1590/s1678-3921.pab2022.v57.02722

Abstract The objective of this work was to evaluate the genetic dissimilarity between soybean cultivars and genotypes for the selection of parents, as well as to propose a new method for using Kohonen’s self-organizing maps (SOMs) and to test its efficiency through Anderson’s discriminant analysis. The morphoagronomic descriptors of soybean cultivars and genotypes were evaluated. For data analysis, SOM-type artificial neural networks were used. The proposed method allowed the determination of the best network architecture in a nonsubjective way. Furthermore, at the beginning of training, it was possible to mitigate the randomness effect of the synaptic weights on the formed clusters. Six dissimilar clusters were formed; therefore, there is genetic dissimilarity between soybean cultivars and genotypes. Cultivars C25, C8, and C13 can be combined with C36, C31, C32, and C33 because they show good yield-related attributes and high dissimilarity. The proposed methodology is advantageous in comparison with the use of traditional SOMs, besides being efficient due to clustering consistency according to Anderson’s discriminant analysis.
Resumo O objetivo deste trabalho foi avaliar a dissimilaridade genética entre cultivares e genótipos de soja para a seleção de genitores, bem como propor um novo método para a utilização de mapas auto-organizáveis de Kohonen (SOMs) e testar sua eficiência por meio da análise discriminante de Anderson. Foram avaliados os descritores morfoagronômicos de cultivares e genótipos de soja. Para análise dos dados, utilizaram-se redes neurais artificiais do tipo SOM. O método proposto permitiu a determinação da melhor arquitetura de rede de forma não subjetiva. Além disso, no início do treinamento, foi possível mitigar o efeito da aleatoriedade dos pesos sinápticos sobre os grupos formados. Foram formados seis grupos dissimilares; portanto, há dissimilaridade genética entre cultivares e genótipos de soja. As cultivares C25, C8 e C13 podem ser combinadas com as C36, C31, C32 e C33, por apresentarem bons atributos de produtividade e alta dissimilaridade. A metodologia proposta é vantajosa em comparação ao uso de SOMs tradicionais e se mostrou eficiente devido à consistência dos agrupamentos de acordo com a análise discriminante de Anderson.