Genetic Diversity and Interaction Between the Maintainers of Commercial Soybean Cultivars Using Self-Organizing Maps

Este repositório contém o código e a documentação do pipeline de análise de diversidade genética e interação entre mantenedores de cultivares comerciais de soja, utilizando Random Forest, Análise de Correspondência Múltipla (MCA) e Mapas Auto-Organizáveis de Kohonen (SOM).

---

📂 Estrutura do Projeto

• data/ → arquivos de dados de entrada (data.xlsx, yield.xlsx)
• scripts/ → código em RMarkdown com as etapas do pipeline
• README.md → documentação do projeto

---

🚀 Pipeline Analítico

1. Preparação dos Dados

• Importação dos dados originais.
• Exclusão de mantenedores com ≤ 5 observações.
• Conversão de variáveis categóricas em fatores.

2. Seleção de Variáveis (Random Forest)

• Ajuste de modelo Random Forest para identificar descritores mais relevantes.
• Exclusão dos 4 descritores menos importantes.
• Visualização da importância das variáveis (índices de Acurácia e Gini).

3. Redução de Dimensionalidade (MCA)

• Aplicação da Análise de Correspondência Múltipla.
• Cálculo dos autovalores e variância explicada.
• Seleção das dimensões mais informativas.

4. Agrupamento (Self-Organizing Maps - SOM)

• Treinamento de mapas auto-organizáveis com topologia hexagonal.
• Visualização da convergência do treinamento.
• Análise das distâncias entre neurônios vizinhos.

5. Visualizações

• Distribuição dos mantenedores nos clusters SOM.
• Distribuição das categorias de descritores (cor da pubescência, tipo de crescimento, cor do hilo, etc.) por cluster.
• Gráficos de pizza sobrepostos ao grid SOM para interpretação biológica.

6. Produtividade

• Integração com dados de produtividade (yield.xlsx).
• Gráficos de evolução da produtividade por evento transgênico e por tipo de crescimento ao longo dos anos.

7. Conclusões

• O pipeline combina Machine Learning (Random Forest), Estatística Multivariada (MCA) e Redes Neurais Não Supervisionadas (SOM).
• Permite identificar padrões de diversidade genética entre mantenedores.
• Relaciona descritores morfológicos e moleculares com tendências de produtividade.

---

📊 Tecnologias Utilizadas

• R (pacotes: tidyverse, FactoMineR, factoextra, kohonen, ggplot2, reshape2)
• RMarkdown para documentação reprodutível
• Git/GitHub para versionamento

---

🔧 Como Reproduzir

1. Clone este repositório:

   git clone https://github.com/WevertonGomesCosta/Genetic-diversity-and-interaction-between-the-maintainers-of-commercial-Soybean-cultivars-using-self.git

2. Abra o projeto no RStudio.
3. Execute o arquivo .Rmd em scripts/ para reproduzir todas as análises.

---

📌 Autor

• Weverton Gomes Costa
  Universidade Federal de Viçosa – Programa de Pós-Graduação em Genética e Melhoramento

---

📜 Licença

Este projeto é distribuído sob a licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License. Consulte o arquivo LICENSE para mais detalhes.

---

Genetic Diversity and Interaction Between the Maintainers of Commercial Soybean Cultivars Using Self-Organizing Maps

This repository contains the code and documentation for the pipeline analyzing genetic diversity and interaction among maintainers of commercial soybean cultivars, using Random Forest, Multiple Correspondence Analysis (MCA), and Kohonen Self-Organizing Maps (SOM).

---

📂 Project Structure

• data/ → input data files (data.xlsx, yield.xlsx)
• scripts/ → RMarkdown scripts with the full analysis pipeline
• README.md → project documentation

---

🚀 Analytical Pipeline

1. Data Preparation

• Import of raw datasets.
• Removal of maintainers with ≤ 5 observations.
• Conversion of categorical descriptors into factors.

2. Variable Selection (Random Forest)

• Random Forest model fitted to identify the most relevant traits.
• Exclusion of the 4 least important descriptors.
• Visualization of variable importance (Accuracy and Gini indices).

3. Dimensionality Reduction (MCA)

• Application of Multiple Correspondence Analysis.
• Calculation of eigenvalues and explained variance.
• Selection of the most informative dimensions.

4. Clustering (Self-Organizing Maps - SOM)

• Training of SOM with hexagonal topology.
• Visualization of training convergence.
• Analysis of distances between neighboring neurons.

5. Visualizations

• Distribution of maintainers across SOM clusters.
• Distribution of trait categories (pubescence color, growth type, hilum color, etc.) within clusters.
• Pie charts overlaid on the SOM grid for biological interpretation.

6. Productivity

• Integration with productivity dataset (yield.xlsx).
• Graphs of productivity trends by event type and growth type across years.

7. Conclusions

• The pipeline combines Machine Learning (Random Forest), Multivariate Statistics (MCA), and Unsupervised Neural Networks (SOM).
• Identifies patterns of genetic diversity among maintainers.
• Links morphological and molecular descriptors with productivity trends.

---

📊 Technologies Used

• R (packages: tidyverse, FactoMineR, factoextra, kohonen, ggplot2, reshape2)
• RMarkdown for reproducible documentation
• Git/GitHub for version control

---

🔧 How to Reproduce

1. Clone this repository:

   git clone https://github.com/WevertonGomesCosta/Genetic-diversity-and-interaction-between-the-maintainers-of-commercial-Soybean-cultivars-using-self.git

2. Open the project in RStudio.
3. Run the .Rmd file in scripts/ to reproduce the full analysis.

---

📌 Author

• Weverton Gomes Costa
  Federal University of Viçosa – Graduate Program in Genetics and Plant Breeding

---

📜 License

This project is distributed and licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License. See the LICENSE file for details.