| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Florestas. |
|
Data corrente: |
13/09/2007 |
|
Data da última atualização: |
13/09/2007 |
|
Autoria: |
BERTONI, B. W.; ASTOLFI FILHO, S.; MARTINS, E. R.; DAMIÃO FILHO C. F.; FRANÇA, S. de C.; PEREIRA, A. M. S.; TELLES, M. P. de C.; DINIZ FILHO, J. A. F. |
|
Título: |
Genetic variability in natural populations of Zeyheria montana mart. from the Brazilian Cerrado. |
|
Ano de publicação: |
2007 |
|
Fonte/Imprenta: |
Scientia Agricola, Piracicaba, v. 64, n. 4, p. 409-415, July/Aug. 2007. |
|
Idioma: |
Inglês |
|
Conteúdo: |
Zeyheria montana, planta arbustiva da família Bignoniaceae, é uma espécie endêmica do Cerrado e possui atividade anti-câncer, sendo utilizada como estimulante na medicina popular. O objetivo deste estudo foi avaliar a variabilidade genética de oito populações localizadas no estado de São Paulo, utilizando marcadores moleculares de Polimorfismo de DNA Amplificado ao Acaso (RAPD). Após a otimização da reação de amplificação, nove iniciadores selecionados geraram 105 fragmentos RAPD reprodutíveis, sendo que a maioria (60,0%) foi polimórfica. A análise molecular de variância (AMOVA) mostrou que a variabilidade dentro de populações (84,03%) foi maior que entre populações (15,97%). As estimativas de variação fST (0,1597) indicam estruturação populacional moderadamente alta. O agrupamento por meio de UPGMA, a ordenação pelo NMDS e o teste de Mantel entre as matrizes de distâncias genéticas e geográficas demonstraram que a estruturação encontrada segue um modelo de "ilhas", onde uma única população de tamanho infinito pode ter dado origem às populações atuais de Zeyheria, sem relação com sua posição espacial. Com base nos resultados obtidos foi estruturado um banco de germoplasma de indivíduos, representando a variabilidade da espécie. Adicionalmente, as informações deste estudo são importantes para dar suporte a estratégias de conservação de Z. montana.
|
|
Palavras-Chave: |
Bolsa-de-pastor; Zeyheria montana. |
|
Thesagro: |
Banco de Germoplasma; Conservação. |
|
Thesaurus Nal: |
Bignoniaceae. |
|
Categoria do assunto: |
-- |
|
Marc: |
LEADER 02217naa a2200265 a 4500
001 1313369
005 2007-09-13
008 2007 bl uuuu u00u1 u #d
100 1 $aBERTONI, B. W.
245 $aGenetic variability in natural populations of Zeyheria montana mart. from the Brazilian Cerrado.
260 $c2007
520 $aZeyheria montana, planta arbustiva da família Bignoniaceae, é uma espécie endêmica do Cerrado e possui atividade anti-câncer, sendo utilizada como estimulante na medicina popular. O objetivo deste estudo foi avaliar a variabilidade genética de oito populações localizadas no estado de São Paulo, utilizando marcadores moleculares de Polimorfismo de DNA Amplificado ao Acaso (RAPD). Após a otimização da reação de amplificação, nove iniciadores selecionados geraram 105 fragmentos RAPD reprodutíveis, sendo que a maioria (60,0%) foi polimórfica. A análise molecular de variância (AMOVA) mostrou que a variabilidade dentro de populações (84,03%) foi maior que entre populações (15,97%). As estimativas de variação fST (0,1597) indicam estruturação populacional moderadamente alta. O agrupamento por meio de UPGMA, a ordenação pelo NMDS e o teste de Mantel entre as matrizes de distâncias genéticas e geográficas demonstraram que a estruturação encontrada segue um modelo de "ilhas", onde uma única população de tamanho infinito pode ter dado origem às populações atuais de Zeyheria, sem relação com sua posição espacial. Com base nos resultados obtidos foi estruturado um banco de germoplasma de indivíduos, representando a variabilidade da espécie. Adicionalmente, as informações deste estudo são importantes para dar suporte a estratégias de conservação de Z. montana.
650 $aBignoniaceae
650 $aBanco de Germoplasma
650 $aConservação
653 $aBolsa-de-pastor
653 $aZeyheria montana
700 1 $aASTOLFI FILHO, S.
700 1 $aMARTINS, E. R.
700 1 $aDAMIÃO FILHO C. F.
700 1 $aFRANÇA, S. de C.
700 1 $aPEREIRA, A. M. S.
700 1 $aTELLES, M. P. de C.
700 1 $aDINIZ FILHO, J. A. F.
773 $tScientia Agricola, Piracicaba$gv. 64, n. 4, p. 409-415, July/Aug. 2007.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Florestas (CNPF) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Arroz e Feijão; Embrapa Cerrados. |
|
Data corrente: |
05/05/2021 |
|
Data da última atualização: |
14/05/2021 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 1 |
|
Autoria: |
LOPES, F. B.; MAGNABOSCO, C. de U.; PASSAFARO, T. L.; BRUNES, L. C.; COSTA, M. F. O. e; EIFERT, E. da C.; NARCISO, M. G.; ROSA, G. J. M.; LOBO, R. B.; BALDI, F. |
|
Afiliação: |
CLAUDIO DE ULHOA MAGNABOSCO, CPAC; MARCOS FERNANDO OLIVEIRA E COSTA, CNPAF; EDUARDO DA COSTA EIFERT, CPAC; MARCELO GONCALVES NARCISO, CNPAF. |
|
Título: |
Improving genomic prediction accuracy for meat tenderness in Nellore cattle using artificial neural networks. |
|
Ano de publicação: |
2020 |
|
Fonte/Imprenta: |
Journal of Animal Breeding and Genetics, v. 137, n. 5, 2020. |
|
Páginas: |
p. 438-448 |
|
Idioma: |
Inglês |
|
Conteúdo: |
The goal of this study was to compare the predictive performance of artificial neural networks (ANNs) with Bayesian ridge regression, Bayesian Lasso, Bayes A, Bayes B and Bayes Cπ in estimating genomic breeding values for meat tenderness in Nellore cattle. The animals were genotyped with the Illumina Bovine HD Bead Chip (HD, 777K from 90 samples) and the GeneSeek Genomic Profiler (GGP Indicus HD, 77K from 485 samples). The quality control for the genotypes was applied on each Chip and comprised removal of SNPs located on non‐autosomal chromosomes, with minor allele frequency <5%, deviation from HWE (p < 10?6), and with linkage disequilibrium >0.8. The FImpute program was used for genotype imputation. Pedigree‐based analyses indicated that meat tenderness is moderately heritable (0.35), indicating that it can be improved by direct selection. Prediction accuracies were very similar across the Bayesian regression models, ranging from 0.20 (Bayes A) to 0.22 (Bayes B) and 0.14 (Bayes Cπ) to 0.19 (Bayes A) for the additive and dominance effects, respectively. ANN achieved the highest accuracy (0.33) of genomic prediction of genetic merit. Even though deep neural networks are recognized to deliver more accurate predictions, in our study ANN with one single hidden layer, 105 neurons and rectified linear unit (ReLU) activation function was sufficient to increase the prediction of genetic merit for meat tenderness. These results indicate that an ANN with relatively simple architecture can provide superior genomic predictions for meat tenderness in Nellore cattle MenosThe goal of this study was to compare the predictive performance of artificial neural networks (ANNs) with Bayesian ridge regression, Bayesian Lasso, Bayes A, Bayes B and Bayes Cπ in estimating genomic breeding values for meat tenderness in Nellore cattle. The animals were genotyped with the Illumina Bovine HD Bead Chip (HD, 777K from 90 samples) and the GeneSeek Genomic Profiler (GGP Indicus HD, 77K from 485 samples). The quality control for the genotypes was applied on each Chip and comprised removal of SNPs located on non‐autosomal chromosomes, with minor allele frequency <5%, deviation from HWE (p < 10?6), and with linkage disequilibrium >0.8. The FImpute program was used for genotype imputation. Pedigree‐based analyses indicated that meat tenderness is moderately heritable (0.35), indicating that it can be improved by direct selection. Prediction accuracies were very similar across the Bayesian regression models, ranging from 0.20 (Bayes A) to 0.22 (Bayes B) and 0.14 (Bayes Cπ) to 0.19 (Bayes A) for the additive and dominance effects, respectively. ANN achieved the highest accuracy (0.33) of genomic prediction of genetic merit. Even though deep neural networks are recognized to deliver more accurate predictions, in our study ANN with one single hidden layer, 105 neurons and rectified linear unit (ReLU) activation function was sufficient to increase the prediction of genetic merit for meat tenderness. These results indicate that an ANN with relative... Mostrar Tudo |
|
Palavras-Chave: |
Bayesian regression models; Carne macia; Deep learning; Genomic selection; Maciez da carne. |
|
Thesagro: |
Carne; Gado de Corte; Genética Animal; Seleção Genética. |
|
Thesaurus NAL: |
Animal breeding; Zebu. |
|
Categoria do assunto: |
--
L Ciência Animal e Produtos de Origem Animal |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/223045/1/Magnabosco-Improving-genomic-prediction-accuracy-for-meat-tenderness-in.pdf
|
|
Marc: |
LEADER 02672naa a2200373 a 4500
001 2131678
005 2021-05-14
008 2020 bl uuuu u00u1 u #d
100 1 $aLOPES, F. B.
245 $aImproving genomic prediction accuracy for meat tenderness in Nellore cattle using artificial neural networks.$h[electronic resource]
260 $c2020
300 $ap. 438-448
520 $aThe goal of this study was to compare the predictive performance of artificial neural networks (ANNs) with Bayesian ridge regression, Bayesian Lasso, Bayes A, Bayes B and Bayes Cπ in estimating genomic breeding values for meat tenderness in Nellore cattle. The animals were genotyped with the Illumina Bovine HD Bead Chip (HD, 777K from 90 samples) and the GeneSeek Genomic Profiler (GGP Indicus HD, 77K from 485 samples). The quality control for the genotypes was applied on each Chip and comprised removal of SNPs located on non‐autosomal chromosomes, with minor allele frequency <5%, deviation from HWE (p < 10?6), and with linkage disequilibrium >0.8. The FImpute program was used for genotype imputation. Pedigree‐based analyses indicated that meat tenderness is moderately heritable (0.35), indicating that it can be improved by direct selection. Prediction accuracies were very similar across the Bayesian regression models, ranging from 0.20 (Bayes A) to 0.22 (Bayes B) and 0.14 (Bayes Cπ) to 0.19 (Bayes A) for the additive and dominance effects, respectively. ANN achieved the highest accuracy (0.33) of genomic prediction of genetic merit. Even though deep neural networks are recognized to deliver more accurate predictions, in our study ANN with one single hidden layer, 105 neurons and rectified linear unit (ReLU) activation function was sufficient to increase the prediction of genetic merit for meat tenderness. These results indicate that an ANN with relatively simple architecture can provide superior genomic predictions for meat tenderness in Nellore cattle
650 $aAnimal breeding
650 $aZebu
650 $aCarne
650 $aGado de Corte
650 $aGenética Animal
650 $aSeleção Genética
653 $aBayesian regression models
653 $aCarne macia
653 $aDeep learning
653 $aGenomic selection
653 $aMaciez da carne
700 1 $aMAGNABOSCO, C. de U.
700 1 $aPASSAFARO, T. L.
700 1 $aBRUNES, L. C.
700 1 $aCOSTA, M. F. O. e
700 1 $aEIFERT, E. da C.
700 1 $aNARCISO, M. G.
700 1 $aROSA, G. J. M.
700 1 $aLOBO, R. B.
700 1 $aBALDI, F.
773 $tJournal of Animal Breeding and Genetics$gv. 137, n. 5, 2020.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Cerrados (CPAC) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
