Explorando a diversidade genética e fenotípica do milheto (Pennisetum Glaucum (L.) R. Br.) por meio da metabolômica não-alvo

Pimentel, Mariana Pinheiro Costa

DSpace Home
→
Centro de Ciências Biológicas e da Saúde (CCBS)
→
Nutrição
→
NUTR - Dissertações Mestrado
→
View Item

dc.contributor.advisor	Ferreira, Mariana Simões Larraz
dc.contributor.author	Pimentel, Mariana Pinheiro Costa
dc.date.accessioned	2024-06-12T16:52:56Z
dc.date.available	2024-06-12T16:52:56Z
dc.date.issued	2024-06-10
dc.identifier.citation	PIMENTEL, Mariana Pinheiro Costa. Explorando a diversidade genética e fenotípica do milheto (Pennisetum Glaucum (L.) R. Br.) por meio da metabolômica não-alvo. 2024. 97 f. Dissertação (Mestrado em Alimentos e Nutrição) - Universidade Federal do Estado do Rio de Janeiro, Rio de Janeiro, 2024.	pt_BR
dc.identifier.uri	http://hdl.handle.net/unirio/14032
dc.description.sponsorship	n/a	pt_BR
dc.language.iso	Portuguese	pt_BR
dc.rights	restrictedAccess	pt_BR
dc.title	Explorando a diversidade genética e fenotípica do milheto (Pennisetum Glaucum (L.) R. Br.) por meio da metabolômica não-alvo	pt_BR
dc.title.alternative	Exploring the genetic and phenotypic diversity of pearl millet (Pennisetum Glaucum (L.) R. Br.) via untargeted metabolomics	pt_BR
dc.type	masterThesis	pt_BR
dc.contributor.advisor-co	Carvalho, Carlos Wanderlei Piler de
dc.contributor.advisor-co	Santos, Millena Cristina Barros
dc.contributor.referee	Ferreira, Mariana Simões Larraz
dc.contributor.referee	Carvalho, Carlos Wanderlei Piler de
dc.contributor.referee	Santos, Millena Cristina Barros
dc.contributor.referee	Gomes, Paulo Wender Portal
dc.contributor.referee	Nascimento, Talita Pimenta do
dc.degree.department	CCBS	pt_BR
dc.degree.grantor	Universidade Federal do Estado do Rio de Janeiro - UNIRIO	pt_BR
dc.degree.level	Mestrado Acadêmico	pt_BR
dc.degree.local	Rio de Janeiro, RJ	pt_BR
dc.degree.program	Programa de Pós-Graduação em Alimentos e Nutrição	pt_BR
dc.subject.cnpq	Ciências de Alimentos	pt_BR
dc.subject.en	Bioactive compounds	pt_BR
dc.subject.en	Generalized linear modeling	pt_BR
dc.subject.en	Machine learning	pt_BR
dc.subject.en	Metabolites	pt_BR
dc.description.abstracten	Pearl millet [Pennisetum glaucum (L.) R. Br.] is a crop that easily adapts to various environments and has a composition beneficial for human nutrition, although it is still considered a neglected and underutilized cereal. The complexity of millet grain metabolites varies with genotypes and environmental conditions, highlighting the importance of using nontargeted metabolomics techniques to map these variations. This study aimed to comprehensively characterize the metabolites of a large set of pearl millet grain samples and subsequently identify predictive metabolites associated with important phenotypic traits using mass spectrometrybased metabolomics and advanced bioinformatics tools. Whole grains from 60 openpollinated populations and 203 different genotypes from the core collection of the Brazilian Millet Germplasm Active Bank were provided by Embrapa Corn and Sorghum. The whole grains were lyophilized, ground, and metabolite extraction was performed with 80% ethanol in an automated manner. Liquid chromatography coupled with mass spectrometrybased metabolomics was used to obtain metabolite profiles. Generalized linear modeling with penalty was applied to explore the correlation between the metabolism of the core collection and 21 phenotypic traits. Among the main findings, 263 metabolites were annotated, predominantly polar lipids, followed by phenylpropanoids and polyketides. In total, 97 compounds exhibited a distribution difference between populations, with flavonoids being particularly notable. Generalized linear modeling was able to predict eight qualitative phenotypic traits from the pearl millet core collection, achieving an accuracy of 74% to 87%. A total of 834 predictive metabolites (575 annotated and 259 unknowns) were detected, mostly carbohydrates, amino acids, flavonoids, and terpenes. Of these, 23 predictive metabolites were also found in the metabolic signature of the openpollinated populations and could be used in the future for model validation. These findings underscore the value of the millet metabolite profile, providing information for breeding programs aimed at selecting cultivars based on metabolites of interest for human food and predicting phenotypic traits.	pt_BR
dc.degree.country	Brasil, RJ	pt_BR
dc.description.sponsordocumentnumber	n/a	pt_BR
dc.description.abstractpt	O milheto [Pennisetum glaucum (L.) R. Br.] é uma cultura que se adapta facilmente a diferentes ambientes e possui uma composição benéfica para a nutrição humana, embora ainda seja considerado um cereal negligenciado e subutilizado. A complexidade de metabólitos dos grãos de milheto pode variar de acordo com os genótipos e as condições ambientais, destacando a importância do uso de técnicas de metabolômica não direcionada para o mapeamento dessas variações. Este estudo teve como objetivo caracterizar de maneira abrangente os metabólitos de um grande conjunto de amostras de grãos de milheto e, subsequentemente, identificar metabólitos preditores associados com importantes características fenotípicas usando metabolômica baseada em espectrometria de massas e ferramentas avançadas de bioinformática. Grãos oriundos de 60 populações de polinização aberta e 203 diferentes genótipos da coleção nuclear do Banco Ativo de germoplasma de milheto do Brasil foram cedidos pela Embrapa Milho e Sorgo. Os grãos inteiros foram liofilizados, moídos e a extração dos metabólitos foi realizada de com etanol (80%) de forma automatizada. A metabolômica baseada em cromatografia líquida acoplada a espectrometria de massas foi usada para obter os perfis de metabólitos. A modelagem linear generalizada com penalização foi aplicada para explorar a correlação entre o metabolismo da coleção nuclear e 21 características fenotípicas. Dentre os principais achados, 263 metabolitos foram anotados, com predominância de lipídeos polares, seguidos por fenilpropanóides e policetídeos. No total, 97 compostos exibiram diferença de distribuição entre as populações, com destaque para os flavonoides. A modelagem linear generalizada foi capaz de predizer oito traços fenotípicos qualitativos a partir da coleção nuclear de milheto pérola, alcançando uma acurácia de 74% a 87%. Foram detectados 834 metabólitos preditores (575 anotados e 259 unknowns), majoritariamente carboidratos, aminoácidos, flavonoides e terpenos. Desses, 23 metabólitos preditores também foram encontrados na assinatura metabólica das populações de polinização aberta, podendo ser utilizados futuramente para validação do modelo. Essas descobertas ressaltam o valor do perfil de metabólitos do milheto, fornecendo informações para programas de melhoramento genético voltados para a seleção de cultivares com base em metabólitos de interesse para a alimentação humana e na predição de traços fenotípicos.	pt_BR
dc.subject.pt	Compostos bioativos	pt_BR
dc.subject.pt	Modelagem linear generalizada	pt_BR
dc.subject.pt	Aprendizado de máquina	pt_BR
dc.subject.pt	Metabólitos	pt_BR