MPV CLIENTE | Modelagem Estatística para Seleção de Genótipos Superiores

Delineamento Experimental Alpha-Lattice

MPV Cliente
Experimentação
Estatística
Modelagem
Aplicação de modelos mistos (REML/BLUP) e análise multivariada em dados simulados para seleção de genótipos superiores.
Author

Jennifer Luz Lopes

Published

October 27, 2025

Modelagem para seleção de genótipos superiores

Relatório HTML

Código - GitHub

Site

Como usar esse projeto?

Para explorar este projeto, faça:

  1. Um fork ou clone do repositório em sua máquina local.

  2. Em seguida, acesse o relatório completo com as explicações detalhadas de cada etapa da análise em:
    🔗 https://jenniferlopes.quarto.pub/modelagem_experimental/

  3. Utilize os scripts disponíveis em meu_projeto/scripts/ para reproduzir toda a pipeline, desde a importação de dados via API até a modelagem com os modelos mistos (REML/BLUP) e a seleção dos genótipos superiores.

  4. Os dados simulados (alpha_lattice.xlsx) estão disponíveis em meu_projeto/dados/, permitindo que você execute o fluxo completo de análise e compreenda cada etapa da modelagem experimental aplicada.

  5. Instale os pacotes necessários

Code 
if (!requireNamespace("pacman", quietly = TRUE)) install.packages("pacman")

pacman::p_load(
  tidyverse, metan, lme4, lmerTest, broom.mixed,
  emmeans, multcomp, plotly, writexl, readxl, httr2)
  1. Execute os scripts principais
Code 
# Função de coleta de dados via API do GitHub
# source("meu_projeto/funcoes/coleta_dados_github.R")

# Pipeline de modelagem experimental
# source("meu_projeto/scripts/modelagem-experimental.R")

Introdução

A modelagem estatística em experimentos agrícolas tem como objetivo quantificar e compreender a variação experimental, separando os efeitos genéticos dos ambientais.
Ela é essencial para avaliar o desempenho de genótipos, estimar parâmetros genéticos e identificar materiais superiores com base em precisão e estabilidade experimental.

Nos delineamentos em blocos como o Alpha-Lattice, utilizados em ensaios com grande número de genótipos, os modelos lineares mistos (REML/BLUP) tornam-se fundamentais.
Essa abordagem permite estimar simultaneamente os efeitos fixos (como repetições e tratamentos) e os efeitos aleatórios (como genótipos ou blocos incompletos), garantindo predições mais acuradas e imparciais.

Objetivo

Este projeto apresenta um exemplo completo de modelagem estatística aplicada à experimentação agrícola, abordando desde o ajuste do modelo até a interpretação dos resultados.

A proposta é demonstrar, de forma prática e reprodutível, como aplicar modelos mistos (REML/BLUP) a dados experimentais obtidos de delineamentos do tipo Alpha-Lattice, com foco em:

  • Estruturação e organização de projetos no R;
  • Ajuste de modelos (BLUE/BLUP) com o pacote lme4;
  • Estimativa de herdabilidade;
  • Análise de agrupamento genético (UPGMA);
  • Interpretação de resultados em contexto de melhoramento genético de plantas.

Stacks desenvolvidas

Categoria Ferramentas
Linguagem R
Modelagem Estatística Modelos Lineares Mistos (REML/BLUP), ANOVA, Herdabilidade, Agrupamento Hierárquico (UPGMA)
Pacotes R Utilizados lme4, emmeans, metan, broom.mixed, ggplot2, readxl, writexl, tidyverse, glue
Visualização de Dados ggplot2
Documentação e Estrutura de Projeto Organização modular (dados/, funcoes/, scripts/, output/) -Pacotes fs e here
Controle de Versão Git e GitHub (commits, branches, versionamento)

Estrutura do Projeto

Faça o mesmo, consulte a estrutura do seu projeto:

Code 
# fs::dir_tree(here::here())
portfolio_experimentacao_agricola/
├── estilo.css                          # Estilos visuais do 
├── _publish.yml                        # Configuração de publicação
├── README.md                           # Descrição do projeto
├── modelagem_experimental_explicacoes.qmd  # Documento principal
│
├── meu_projeto/
│   ├── dados/
│   │   └── alpha_lattice.xlsx          # Dados simulados
│   │
│   ├── figuras/                        # Gráficos e saídas visuais
│   │
│   ├── funcoes/
│   │   └── coleta_dados_github.R       # Função para importar dados
│   │
│   ├── output/                         # Resultados e tabelas finais
│   │
│   └── scripts/
│       ├── importacao_via_api.R        # Script de coleta e limpeza 
│       ├── modelagem-experimental.R    # Ajuste dos modelos mistos
│       └── script_inicial.R            # Pipeline base do projeto

Scripts Principais

Script Função Principal
script_inicial.R Configuração do ambiente, pacotes e diretórios.
modelagem_experimental_explicacoes.qmd Ajuste dos modelos (BLUE e BLUP), estimativas genéticas, herdabilidade e agrupamento.
importacao_via_api.R Importação de dados diretamente do GitHub.

Importação de dados via API do GitHub

A importação dos dados via API do GitHub foi implementada para permitir que o projeto acesse arquivos diretamente de um repositório remoto, sem a necessidade de download manual.

  • Essa abordagem garante reprodutibilidade, integração contínua e centralização dos dados experimentais, facilitando a atualização e o versionamento das bases utilizadas nas análises.

  • Por meio da função coleta_dados_github(), o R realiza uma requisição HTTP à API do GitHub, decodifica o conteúdo em formato Base64 e lê o arquivo (.csv ou .xlsx) diretamente na sessão, utilizando os pacotes httr2, base64enc, readr e readxl.

Conceitos principais

Conceito Descrição
BLUE Best Linear Unbiased Estimator -estimador dos efeitos fixos.
BLUP Best Linear Unbiased Predictor - preditor dos efeitos aleatórios (valores genéticos).
Herdabilidade (H²) Proporção da variância total explicada por diferenças genéticas.
UPGMA Método de agrupamento hierárquico baseado na distância genética entre genótipos.

Licença

Este projeto é distribuído sob a licença MIT.

Sinta-se à vontade para usar, adaptar e referenciar este conteúdo em trabalhos e cursos de experimentação agrícola.