Pipeline Automatizado de Experimentação Agrícola com {targets}

Este projeto apresenta um fluxo completo e reprodutível de modelagem experimental em delineamento Alpha-Lattice, utilizando o pacote {targets}.
O pipeline executa todas as etapas desde a coleta de dados via API GitHub até a geração automática de relatórios e exportação dos resultados finais.

Relatório em HTML com as explicações de cada etapa, acesse:

Relatório em HTML com as explicações de cada etapa, acesse:

Objetivo

Construir um pipeline reprodutível e automatizado para experimentos agrícolas, com foco em:

• Modelagem estatística (BLUE e BLUP);

• Estimativas de herdabilidade;

• Agrupamento genético (UPGMA);

• Visualizações e exportação automatizada.

Referências

A explicação completa sobre a modelagem estatística utilizada neste pipeline incluindo o detalhamento dos modelos mistos (REML/BLUP), ajustes, validações e interpretações está disponível nos links abaixo:

Estrutura Geral do Projeto

experimentacao_agricola_pipeline_automatizado/
├── _targets.R              # Definição do pipeline principal
├── _targets.yaml           # Configurações adicionais do {targets}
├── rodar_pipeline.R        # Script para execução e monitoramento
├── _targets/               # Banco interno de objetos, metadados e logs
│   ├── meta/               # Metadados de execução
│   └── objects/            # Objetos gerados em cada etapa
├── meu_projeto/
│   ├── dados/              # Dados experimentais (.xlsx)
│   ├── funcoes/            # Funções personalizadas
│   │   └── coleta_dados_github.R
│   ├── scripts/            # Scripts auxiliares e de testes
│   │   └── script_inicial.R
│   ├── output/             # Resultados exportados (planilhas e gráficos)
│   │   ├── grafico_comparacao_BLUE_BLUP.png
│   │   └── resultados_experimentais.xlsx
│   ├── figuras/            # Gráficos do pipeline ({targets})
│   │   ├── tar_make.png
│   │   ├── tar_manifest.png
│   │   ├── tar_meta.png
│   │   ├── tar_progress.png
│   │   ├── tar_summary.png
│   │   ├── tar_visnetwork.png
│   │   └── _targets_finalizado.png
│   ├── docs/               # Relatórios e apresentações
│   └── README.md           # Descrição local do módulo

---

Fluxo do Pipeline {targets}

Cada etapa é reexecutada somente quando suas dependências mudam. Os nomes abaixo correspondem aos targets definidos em _targets.R.

Etapa	Nome do Target	Descrição
1	dados_brutos	Coleta de dados experimentais via API GitHub
2	dados	Ajuste de variáveis fatoriais e estrutura Alpha-Lattice
3	croqui_campo	Visualização do layout experimental
4	analise_desc	Estatísticas descritivas básicas
5	modelo_BLUE / modelo_BLUP	Ajuste de modelos lineares mistos
6	comparacao_modelos	Comparação dos modelos (AIC e LogLik)
7	estimativas	Geração das estimativas BLUEs e BLUPs com intervalos de confiança
8	grafico_comparacao	Comparação visual das estimativas
9	herdabilidade	Cálculo da herdabilidade (H²)
10	agrupamento_UPGMA	Agrupamento hierárquico de genótipos
11	exportar_outputs	Exportação automática de planilhas e gráficos

Como Executar

1. Instalar pacotes:

   install.packages(c(
     "targets", "tarchetypes", "tidyverse", "lme4", "emmeans",
     "broom.mixed", "metan", "ggpubr", "glue", "readxl",
     "httr2", "base64enc", "writexl"
   ))

2. Rodar o pipeline completo:

   source("rodar_pipeline.R")

3. Visualizar a rede de dependências:

   tar_visnetwork()

4. Ler resultados diretamente:

   tar_read(estimativas)
   tar_read(herdabilidade)

5. Outputs finais:

   • meu_projeto/output/resultados_experimentais.xlsx
   • meu_projeto/output/grafico_comparacao_BLUE_BLUP.png
   • Visualizações do pipeline em meu_projeto/figuras/

Resultados e Interpretação

• BLUE (Best Linear Unbiased Estimator): média ajustada considerando genótipos como efeito fixo.\
• BLUP (Best Linear Unbiased Predictor): predição dos valores genéticos com genótipos como efeito aleatório.\
• H² (Herdabilidade): proporção da variância total atribuída à variância genética.\
• UPGMA: agrupamento hierárquico para avaliação de similaridade genética entre genótipos.

O gráfico grafico_comparacao_BLUE_BLUP.png ilustra a correspondência entre as estimativas dos dois modelos, validando a consistência do ajuste.

Conceitos-Chave

• Reprodutibilidade científica com {targets}
• Modelos mistos e predição de valores genéticos (REML/BLUP)
• Automação de análises experimentais
• Gerenciamento de dependências e execução incremental

Monitoramento do Pipeline

O script rodar_pipeline.R auxilia no acompanhamento da execução:

Função	Objetivo
tar_make()	Executa o pipeline completo
tar_manifest()	Lista targets e comandos executados
tar_visnetwork()	Mostra o grafo de dependências
tar_meta()	Exibe metadados (tempo, status, avisos)
tar_progress()	Mostra andamento da execução
tar_poll()	Atualiza o progresso em tempo real
tar_progress_summary()	Resumo final de execução

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.

Autoria

Jennifer Luz Lopes
Engenheira Agrônoma | Doutora em Melhoramento Genético de Plantas