Para utilizar dados genômicos imputados na sele...para utilizar dados genômicos imputados na seleção genômica é necessário que estes tenham sido inferidos com elevada acurácia. os painéis a serem utilizados para imputação e a escolha dos animais que irão compor a população referência possuem grande influência na acurácia de imputação obtida. devido ao elevado custo para genotipar grande quantidade de animais com alta densidade, a indicação do número de animais que devem ser utilizados na população referência para obter uma acurácia de imputação adequada, pode trazer benefícios para a aplicação da seleção genômica. dessa maneira, o objetivo deste estudo é verificar possíveis estratégias de predição da quantidade de animais a ser incluído na população referência para obter adequada acurácia de imputação para animais genotipados com baixa densidade, assim como a predição do relacionamento genético entre os mesmos, utilizando modelos de regressão linear múltipla e redes neurais artificiais. serão utilizados dados de 814 animais da raça nelore, genotipados com o painel bovinehd genotyping beadchip (illumina), dos quais 93 animais (23 touros e 70 progênies) também foram genotipados com o painel axiom genome-wide bos 1 array plate (affymetrix). também serão utilizados dados de 285 animais da raça canchim, 114 animais do grupo genético ma e um touro charolês, genotipados com o painel bovinehd genotyping beadchip (illumina). as informações a serem inseridas nos modelos de predição serão provenientes de diferentes cenários de imputações. os preditores a serem utilizados no modelo envolverão possíveis fatores que influenciam na estrutura da população referência, como número de snps do painel com menor e maior densidade, desequilíbrio de ligação, frequência dos alelos e composição racial. serão avaliadas três formas de resposta para os modelos: (1) a resposta será o número de animais na população referência, (2) a resposta será o relacionamento genético entre os animais da população referência e imputação e (3) serão consideradas as duas informações como resposta, individualmente na regressão linear múltipla e como dois neurônios na camada de saída para as redes neurais artificiais. a habilidade de predição por ambos os modelos será avaliada por meio da correlação entre os valores de cada resposta observada nas análises de imputação (valores verdadeiros) com os valores preditos pelos dois modelos. uma vez que a predição tenha sido adequada para um dos modelos, este pode ser utilizado com a finalidade de indicar a quantidade de animais a serem incluídos na população referência para obter acurácia de imputação adequada, destinando corretamente os investimentos para genotipagem.