Estudio de diferentes métodos de estandarización en bancos de germoplasma vegetal
Contenido principal del artículo
Resumen
Los recursos fitogenéticos se han convertido en una prioridad científica, lo cual hace importante el análisis de esta diversidad mediante métodos cuantitativos que ayuden a agrupar poblaciones de un mismo género o especie. El banco de germoplasma del Instituto de Investigaciones de Viandas Tropicales (INIVIT) conserva accesiones de raíces, rizomas, tubérculos, plátanos y bananos procedentes de colectas e introducciones nacionales e internacionales, cuya variabilidad necesita de este tipo de análisis. Esta investigación tiene como objetivo estudiar la respuesta de cuatro métodos de aglomeración jerárquicos sobre una matriz de datos sin estandarizar y cuatro matrices con diferentes formas de estandarización correspondientes a datos cuantitativos de accesiones de ñame (Dioscorea spp.), malanga (Xanthosoma spp.) y de plátano (Musa spp.) que se conservan en colecciones de germoplasma del INIVIT. La fortaleza de los agrupamientos del conjunto de datos obtenidos por los métodos de aglomeración, se comprobó con el coeficiente aglomerativo y las diferentes estructuras de los conglomerados se evaluaron con el coeficiente de correlación cofenética. Para los diferentes análisis se utilizaron funciones implementadas en el paquete clusterSim, sobre la base del lenguaje de programación R. Las estrategias de análisis demostraron que los métodos de aglomeración de Ward y promedio, permiten obtener una mejor clasificación taxonómica de las accesiones presentes en las colecciones de germoplasma de ñame, malanga y plátano.
Detalles del artículo
Cómo citar
Molina Concepción, O., García Rodríguez, R. L., Milián Jiménez, M., González Díaz, M. L., & Pons Pérez, C. C. (2016). Estudio de diferentes métodos de estandarización en bancos de germoplasma vegetal. Agricultura Tropical, 1(2). Recuperado a partir de https://agriculturatropical.edicionescervantes.com/index.php/inivit/article/view/16
Sección
Artículos originales
Citas
AGGARWAL, S.; P. PHOGHAT and S. MAITREY. 2015. Hierarchical Clustering- An Efficient Technique of Data mining for Handling Voluminous Data. Int. J. Comput. Appl., 129(13):31–36.
FRANCO, T.L. y R. HIDALGO (eds). 2003. Análisis Estadístico de Datos de Caracterización Morfológica de Recursos Fitogenéticos. Boletín técnico IPGRI, vol 8. Instituto Internacional de Recursos Fitogenéticos (IPGRI), Cali, Colombia.
GOWER, J.C. 1967. A comparison of some methods of cluster analysis. Biometrics, 23:623–628.
IPGRI-INIBAP/CIRAD. 1996. Descriptores para el banano (Musa spp.). Instituto Internacional de recursos Fitogenéticos, Roma, Italia; Red internacional para el mejoramiento del Banano y el Plátano, Montpellier, Francia; Centre de Coopération Internationale en Recherche Agronomique pour le Développement, Montpellier, Francia. ISBN 92-9043-307-8.
JAJUGA, K. and M. WALESIAK. 2000. Standardization of data set under different measurement scales, in: DECKER, R. and GAUL, W. (Eds.), Classification and Information Processing at the Turn of the Millennium. Springer-Verlag, Berlin, Heidelberg, p. 105–112.
MILIÁN, M.J. 2008. Caracterización de la variabilidad de los cultivares de la colección cubana de germoplasma del género Xanthosoma (Araceae). Tesis para optar por el grado de Doctor en Ciencias Biológicas. Ciudad de La Habana, 123 p.
MILLIGAN, G.W. and M.C. COOPER. 1985. An examination of procedures for determining the number of clusters in data set. Psychometrika, 50:159–179.
MILLIGAN, G.W. and M.C. COOPER. 1988. A study of standardization of variables in cluster analysis. J. Classif. 5:181–204.
MOHAMMADI, S.A. and B.M. PRASANNA. 2003. Analysis of genetic diversity in crop plants - salient statistical tools and considerations. Crop Sci., 43:1235-1248.
MURTAGH, F. and P. LEGENDRE. 2014. Ward’s hierarchical agglomerative clustering method: which algorithms implement Ward’s criterion? J. Classif., 31(3):274-295.
PODANI, J. and D. SCHMERA. 2006. On dendrogram-based measures of functional diversity. Oikos, 115:179-185.
R DEVELOPMENT CORE TEAM. 2014. R: A language and environment for statistical computing, R Foundation for Statistical Computing. Vienna, Austria.
ROUSSEEUW, P.J. 1986. A visual display for hierarchical classification. Data Anal. Inform., 4:743–748.
SÁNCHEZ, I.; M. MILIÁN; A. RAYAS y S. RODRÍGUEZ. 1995. Lista de descriptores y caracterización de la colección cubana de ñame (Discorea spp).
SNEATH, P.H.A. and R.R. SOKAL. 1973. Numerical taxonomy. The principles and practice of numerical classification. W.H. Freeman and Co, San Francisco, California, USA.
SOKAL, R.R. and F.J. ROHLF. 1962. The comparisons of dendrograms by objective methods. Taxon, 11: 3–40.
SORENSEN, T.A. 1948. A method of establishing groups of equal amplitude in plant sociology based on similarity of species content and its application to analyses of vegetation on Danish commons. Biol. Skr., 5:1–34.
WALESIAK, M. and A. DUDEK. 2015. ClusterSim: Searching for optimal clustering procedure for a data set. Consultado: 12 de octubre de 2015. Disponible en: http://cran.fhcrc.org/web/packages/clusterSim/clusterSim.pdf.
WARD, J.H.J. 1963. Hierarchical grouping to optimize an objective function. J. Am. Stat. Assoc., 58:236–244.
FRANCO, T.L. y R. HIDALGO (eds). 2003. Análisis Estadístico de Datos de Caracterización Morfológica de Recursos Fitogenéticos. Boletín técnico IPGRI, vol 8. Instituto Internacional de Recursos Fitogenéticos (IPGRI), Cali, Colombia.
GOWER, J.C. 1967. A comparison of some methods of cluster analysis. Biometrics, 23:623–628.
IPGRI-INIBAP/CIRAD. 1996. Descriptores para el banano (Musa spp.). Instituto Internacional de recursos Fitogenéticos, Roma, Italia; Red internacional para el mejoramiento del Banano y el Plátano, Montpellier, Francia; Centre de Coopération Internationale en Recherche Agronomique pour le Développement, Montpellier, Francia. ISBN 92-9043-307-8.
JAJUGA, K. and M. WALESIAK. 2000. Standardization of data set under different measurement scales, in: DECKER, R. and GAUL, W. (Eds.), Classification and Information Processing at the Turn of the Millennium. Springer-Verlag, Berlin, Heidelberg, p. 105–112.
MILIÁN, M.J. 2008. Caracterización de la variabilidad de los cultivares de la colección cubana de germoplasma del género Xanthosoma (Araceae). Tesis para optar por el grado de Doctor en Ciencias Biológicas. Ciudad de La Habana, 123 p.
MILLIGAN, G.W. and M.C. COOPER. 1985. An examination of procedures for determining the number of clusters in data set. Psychometrika, 50:159–179.
MILLIGAN, G.W. and M.C. COOPER. 1988. A study of standardization of variables in cluster analysis. J. Classif. 5:181–204.
MOHAMMADI, S.A. and B.M. PRASANNA. 2003. Analysis of genetic diversity in crop plants - salient statistical tools and considerations. Crop Sci., 43:1235-1248.
MURTAGH, F. and P. LEGENDRE. 2014. Ward’s hierarchical agglomerative clustering method: which algorithms implement Ward’s criterion? J. Classif., 31(3):274-295.
PODANI, J. and D. SCHMERA. 2006. On dendrogram-based measures of functional diversity. Oikos, 115:179-185.
R DEVELOPMENT CORE TEAM. 2014. R: A language and environment for statistical computing, R Foundation for Statistical Computing. Vienna, Austria.
ROUSSEEUW, P.J. 1986. A visual display for hierarchical classification. Data Anal. Inform., 4:743–748.
SÁNCHEZ, I.; M. MILIÁN; A. RAYAS y S. RODRÍGUEZ. 1995. Lista de descriptores y caracterización de la colección cubana de ñame (Discorea spp).
SNEATH, P.H.A. and R.R. SOKAL. 1973. Numerical taxonomy. The principles and practice of numerical classification. W.H. Freeman and Co, San Francisco, California, USA.
SOKAL, R.R. and F.J. ROHLF. 1962. The comparisons of dendrograms by objective methods. Taxon, 11: 3–40.
SORENSEN, T.A. 1948. A method of establishing groups of equal amplitude in plant sociology based on similarity of species content and its application to analyses of vegetation on Danish commons. Biol. Skr., 5:1–34.
WALESIAK, M. and A. DUDEK. 2015. ClusterSim: Searching for optimal clustering procedure for a data set. Consultado: 12 de octubre de 2015. Disponible en: http://cran.fhcrc.org/web/packages/clusterSim/clusterSim.pdf.
WARD, J.H.J. 1963. Hierarchical grouping to optimize an objective function. J. Am. Stat. Assoc., 58:236–244.
