RESUMO A classificação baseada em descritores morfológicos em alface é considerada uma atividade complexa e mostra-se eficiente para estudo de características fenotípicas. Portanto, o objetivo deste estudo foi analisar o banco de germoplasma de alface biofortificada da Universidade Federal de Uberlândia utilizando descritores morfológicos convencionais e redes neurais artificiais. O experimento foi conduzido em campo. O delineamento experimental empregado foi de blocos casualizados, composto por 14 tratamentos (11 genótipos de minialface e as cultivares Purpurita, UDI 10.000 e Pira 72) com quatro repetições. Foram avaliados nove descritores morfológicos. Após a aquisição dos dados, foram realizadas análises de matrizes de dissimilaridade, análise de componentes principais, construção de dendrogramas e análises de redes neurais artificiais (RNA). Os genótipos apresentaram variabilidade fenotípica quando comparados às linhagens parentais UDI 10.000 e Pira 72. A cor roxa das folhas e a presença de antocianinas em toda a superfície foliar foram predominantes entre os genótipos. Descritores como intensidade e cor das folhas, intensidade, coloração e distribuição de antocianinas foram os mais influentes na avaliação da variabilidade genética. O Mapa Auto-Organizável (SOM) demonstrou maior sensibilidade na discriminação entre genótipos em comparação ao Método de Grupos de Pares Não Ponderados com Média Aritmética (UPGMA). Enquanto o método de agrupamento UPGMA agrupou os genótipos em três agrupamentos, o método SOM agrupou em cinco agrupamentos. A utilização de análises de distância genética e dendograma SOM mostrou-se eficaz na seleção dos indivíduos UFU 215#1, UFU 215#2, UFU 215#6, UFU 215#10 e UFU 215#13, que estão agrupados com a cultivar UFU Mini Biofort. mostrase mostra se fenotípicas Portanto campo casualizados 1 11 (1 Purpurita 10000 10 000 10.00 72 repetições dados dissimilaridade principais RNA. RNA . (RNA) AutoOrganizável Auto Organizável (SOM UPGMA. (UPGMA) agrupamentos mostrouse mostrou 2151 215 215#1 2152 2 215#2 2156 6 215#6 21510 21513 13 215#13 Biofort ( 1000 00 10.0 7 (RNA (UPGMA 21 215# 100 0 10.
ABSTRACT The classification based on morphological descriptors in lettuce is considered a complex activity and proves to be efficient for studying phenotypic characteristics. Therefore, the objective of this study was to analyze the biofortified lettuce germplasm bank at the Universidade Federal de Uberlândia using both conventional morphological descriptors and artificial neural networks. The experiment was conducted in the field. The experimental design employed was a randomized complete block design, consisting of 14 treatments (11 genotypes of mini lettuce, and the cultivars Purpurita, UDI 10.000, and Pira 72) with four replications. Nine morphological descriptors were evaluated. Following the data acquisition, dissimilarity matrix analyses, principal component analysis, dendrogram construction, and artificial neural network (ANN) analyses were performed. The genotypes exhibited phenotypic variability when compared to the parental strains UDI 10.000 and Pira 72. The purple color of the leaves and anthocyanin presence across the entire leaf surface were predominant among the genotypes. Descriptors such as leaf intensity and color, as well as anthocyanin intensity, coloration, and distribution, were the most influential in assessing genetic variability. The Self-Organizing Map (SOM) demonstrated greater sensitivity in discriminating between genotypes compared to the Unweighted Pair Group Method with Arithmetic Mean (UPGMA). While the UPGMA clustering method grouped genotypes into three clusters, the SOM method grouped into five clusters. The use of genetic distance analyses and SOM dendrogram proved to be effective in selecting individuals UFU 215#1, UFU 215#2, UFU 215#6, UFU 215#10, and UFU 215#13, which are clustered with the cultivar UFU Mini Biofort. characteristics Therefore networks field 1 11 (1 Purpurita 10000 10 000 72 replications evaluated acquisition analysis construction ANN (ANN performed 10.00 coloration distribution SelfOrganizing Self Organizing (SOM UPGMA. . (UPGMA) clusters 2151 215 215#1 2152 2 215#2 2156 6 215#6 21510 215#10 21513 13 215#13 Biofort ( 1000 00 7 10.0 (UPGMA 21 215# 100 0 10.