| |
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Gado de Corte. Para informações adicionais entre em contato com cnpgc.biblioteca@embrapa.br. |
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Gado de Corte. |
|
Data corrente: |
04/01/2023 |
|
Data da última atualização: |
04/01/2023 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
SANTANA, T. E. Z.; SILVA, J. C. F.; SILVA, L. O. C. da; ALVARENGA, A. B.; MENEZES, G. R. de O.; TORRES JUNIOR, R. A. de A.; DUARTE, M. de S.; SILVA, F. F. e. |
|
Afiliação: |
TALITA ESTEFANI ZUNINO SANTANA, UNIVERSIDADE FEDERAL DE VIÇOSA; JOSE CLEYDSON F. SILVA, UNIVERSIDADE FEDERAL DE VIÇOSA; LUIZ OTAVIO CAMPOS DA SILVA, CNPGC; AMANDA BOTELHO ALVARENGA, PURDUE UNIVERSITY; GILBERTO ROMEIRO DE OLIVEIRA MENEZE, CNPGC; ROBERTO AUGUSTO DE A TORRES JUNIOR, CNPGC; MARCIO DE SOUZA DUARTE, UNIVERSITY GUELPH; FABYANO FONSECA E SILVA, UNIVERSIDADE FEDERAL DE VIÇOSA. |
|
Título: |
Genome-enabled classification of stayability in Nellore cattle under a machine learning framework. |
|
Ano de publicação: |
2022 |
|
Fonte/Imprenta: |
Livestock Science, v. 260, article 104935, 2022. |
|
ISSN: |
1871-1413 |
|
DOI: |
https://doi.org/10.1016/j.livsci.2022.104935 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Stayability (STAY) is a binary trait with significant value economically. It measures both the cow`s reproductive performance and longevity simultaneously. Thus, STAY is one of the most important female selection criterion in Nellore beef cattle breeding programs. The "success" for STAY is defined as the ability of a cow to stay in the herd up to 76 months of age and to have at least three calve. Despite its importance, STAY has not been investigated under a machine learning (ML) framework, which might allow to intuitively capture linear and nonlinear relationships (e.g., non-additive effects) between a response variable and other predictor variables. In this study, we compared different ML tools using a genome-enabled approach to classify daughters (non-genotyped animals but with STAY records) of genotyped sires. In total, 44,626 STAY records from daughters of 559 bulls genotyped with the 777K SNP panel were available for this study. The genotyped data were subdivided into three SNP sets based on the top-ranked effect on STAY: 1K-, 3K-, and 5K-SNP panels. The following ML algorithms were evaluated: AdaBoost (ADA), Naïve Bayes (NB), Decision Tree (DT), Deep Neural Network (DNN), k-Nearest Neighbors (NN), Multi-Layer Perceptron Neural Network (MLP), and Support Vector Machine (SVM). The analyses were performed using free Scikit-learn for the Python programming language. No relevant improvements in the learning process of the evaluated algorithms were observed when the number of SNPs in the genotype dataset was increased (i.e., 1K-, 3K-, or 5K-SNP panel). In short, NB outperformed the other algorithms considering, for example, the balanced accuracy (0.62 ± 0.01) and sensitivity (0.56 ± 0.02) metrics. In conclusion, the use of the 1K-SNP panel allowed efficient genomic classification and the NB algorithm outperformed the other methods as indicated by various classification metrics. To best of our knowledge, this is the first study using ML and genome-enabled classification of STAY in beef cattle. MenosStayability (STAY) is a binary trait with significant value economically. It measures both the cow`s reproductive performance and longevity simultaneously. Thus, STAY is one of the most important female selection criterion in Nellore beef cattle breeding programs. The "success" for STAY is defined as the ability of a cow to stay in the herd up to 76 months of age and to have at least three calve. Despite its importance, STAY has not been investigated under a machine learning (ML) framework, which might allow to intuitively capture linear and nonlinear relationships (e.g., non-additive effects) between a response variable and other predictor variables. In this study, we compared different ML tools using a genome-enabled approach to classify daughters (non-genotyped animals but with STAY records) of genotyped sires. In total, 44,626 STAY records from daughters of 559 bulls genotyped with the 777K SNP panel were available for this study. The genotyped data were subdivided into three SNP sets based on the top-ranked effect on STAY: 1K-, 3K-, and 5K-SNP panels. The following ML algorithms were evaluated: AdaBoost (ADA), Naïve Bayes (NB), Decision Tree (DT), Deep Neural Network (DNN), k-Nearest Neighbors (NN), Multi-Layer Perceptron Neural Network (MLP), and Support Vector Machine (SVM). The analyses were performed using free Scikit-learn for the Python programming language. No relevant improvements in the learning process of the evaluated algorithms were observed when the number ... Mostrar Tudo |
|
Thesagro: |
Gado de Corte; Gado Nelore; Touro. |
|
Thesaurus Nal: |
Beef cattle; Bulls; Daughters; Genome; Genomics; Nellore. |
|
Categoria do assunto: |
-- |
|
Marc: |
LEADER 02992naa a2200337 a 4500
001 2150623
005 2023-01-04
008 2022 bl uuuu u00u1 u #d
022 $a1871-1413
024 7 $ahttps://doi.org/10.1016/j.livsci.2022.104935$2DOI
100 1 $aSANTANA, T. E. Z.
245 $aGenome-enabled classification of stayability in Nellore cattle under a machine learning framework.$h[electronic resource]
260 $c2022
520 $aStayability (STAY) is a binary trait with significant value economically. It measures both the cow`s reproductive performance and longevity simultaneously. Thus, STAY is one of the most important female selection criterion in Nellore beef cattle breeding programs. The "success" for STAY is defined as the ability of a cow to stay in the herd up to 76 months of age and to have at least three calve. Despite its importance, STAY has not been investigated under a machine learning (ML) framework, which might allow to intuitively capture linear and nonlinear relationships (e.g., non-additive effects) between a response variable and other predictor variables. In this study, we compared different ML tools using a genome-enabled approach to classify daughters (non-genotyped animals but with STAY records) of genotyped sires. In total, 44,626 STAY records from daughters of 559 bulls genotyped with the 777K SNP panel were available for this study. The genotyped data were subdivided into three SNP sets based on the top-ranked effect on STAY: 1K-, 3K-, and 5K-SNP panels. The following ML algorithms were evaluated: AdaBoost (ADA), Naïve Bayes (NB), Decision Tree (DT), Deep Neural Network (DNN), k-Nearest Neighbors (NN), Multi-Layer Perceptron Neural Network (MLP), and Support Vector Machine (SVM). The analyses were performed using free Scikit-learn for the Python programming language. No relevant improvements in the learning process of the evaluated algorithms were observed when the number of SNPs in the genotype dataset was increased (i.e., 1K-, 3K-, or 5K-SNP panel). In short, NB outperformed the other algorithms considering, for example, the balanced accuracy (0.62 ± 0.01) and sensitivity (0.56 ± 0.02) metrics. In conclusion, the use of the 1K-SNP panel allowed efficient genomic classification and the NB algorithm outperformed the other methods as indicated by various classification metrics. To best of our knowledge, this is the first study using ML and genome-enabled classification of STAY in beef cattle.
650 $aBeef cattle
650 $aBulls
650 $aDaughters
650 $aGenome
650 $aGenomics
650 $aNellore
650 $aGado de Corte
650 $aGado Nelore
650 $aTouro
700 1 $aSILVA, J. C. F.
700 1 $aSILVA, L. O. C. da
700 1 $aALVARENGA, A. B.
700 1 $aMENEZES, G. R. de O.
700 1 $aTORRES JUNIOR, R. A. de A.
700 1 $aDUARTE, M. de S.
700 1 $aSILVA, F. F. e
773 $tLivestock Science$gv. 260, article 104935, 2022.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Gado de Corte (CNPGC) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Registros recuperados : 117 | |
| 101. |  | RAMOS, P. B. B.; MENEZES, G. R. de O.; SILVA, D. A. DA; LOURENCO, D.; SANTIAGO, G. G.; TORRES JUNIOR, R. A. de A.; SILVA, F. F. E; LOPES, P. S.; VERONEZA, R. Genomic analysis of feed efficiency traits in beef cattle using random regression models. Journal Animal Breeding and Genetics, 2023. Online ahead of print.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Gado de Corte. |
|    |
| 102. | | RAMOS, P. V. B.; SILVA, F. F. e; SILVA, L. O. C. da; SANTIAGO, G. G.; MENEZES, G. R. de O.; VIANA, J. M. S.; TORRES JUNIOR, R. A. de A.; GONDO, A.; LUIZ F. BRITO. Genomic evaluation for novel stayability traits in Nellore cattle. Reproduction in Domestic Animals, v. 55, n. 3, p. 266-273, March 2020.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Gado de Corte. |
|  |
| 103. | | SILVA, F. F. e; RESENDE, M. D. V. de; ROCHA, G. S.; DUARTE, D. A. S.; LOPES, P. S.; BRUSTOLIN, O. J. B.; THUS, S.; VIANA, J. M. S.; GUIMARÃES, S. E. F. Genomic growth curves of an outbred pig population. Genetics and Molecular Biology, v. 36, n. 4, p. 520-527, 2013.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 1 |
| Biblioteca(s): Embrapa Florestas. |
| |
| 104. | | ALMEIDA FILHO, J. E. de A.; GUIMARÃES, J. F. R.; SILVA, F. F. e; RESENDE, M. D. V. de; MUÑOZ, P.; KIRST, M.; RESENDE JÚNIOR, M. F. R. de. Genomic prediction of additive and non-additive effects using genetic markers and pedigrees. G3: Genes, Genomes, Genetics, v. 9, p. 2739-2748, Aug. 2019.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 2 |
| Biblioteca(s): Embrapa Florestas. |
| |
| 105. | | TEIXEIRA, F. R. F.; NASCIMENTO, M.; CECON, P. R.; CRUZ, C. D.; SILVA, F. F. e; NASCIMENTO, A. C. C.; AZEVEDO, C. F.; MARQUES, D. B. D.; SILVA, M. V. G. B.; CARNEIRO, A. P. S.; PAIXAO, D. M. Genomic prediction of lactation curves of Girolando cattle based on nonlinear mixed models. Genetics and Molecular Research, v. 20, n. 1, gmr18691, 2021.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 2 |
| Biblioteca(s): Embrapa Gado de Leite. |
| |
| 106. | | SOUSA, I. C. de; NASCIMENTO, M.; SILVA, G. N.; NASCIMENTO, A. C. C.; CRUZ, C. D.; SILVA, F. F. e; ALMEIDA, D. P. de; PESTANA, K. N.; AZEVEDO, C. F.; ZAMBOLIM, L.; CAIXETA, E. T. Genomic prediction of leaf rust resistance to Arabica coffee using machine learning algorithms. Scientia Agricola, v. 78, n. 4, e20200021, 2021.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Café. |
| |
| 107. | | CARRARA, E. R.; PEIXOTO, M. G. C. D.; VERONEZE, R.; SILVA, F. F. e; RAMOS, P. V. B.; BRUNELI, F. A. T.; ZADRA, L. E. F.; VENTURA, H. T.; JOSAHKIAN, L. A.; LOPES, P. S. Genetic study of quantitative traits supports the use of Guzerá as dual-purpose cattle. Animal Bioscience, v. 35, n. 7, p. 955-963, 2022.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 5 |
| Biblioteca(s): Embrapa Gado de Leite. |
| |
| 108. | | GRANATO, I. S. C.; MARINHO, C. D.; ALMEIDA FILHO, J. E. de; RESENDE, M. D. V. de; SILVA, F. F. e; FERREIRA, K. C. Z.; ROSSE, L. N.; SANSALONI, C. P.; PETROLI, C. D.; GRATTAPAGLIA, D. Seleção de marcadores para os métodos RR-BLUP e BLASSO na seleção genômica ampla. In: CONGRESSO BRASILEIRO DE MELHORAMENTO DE PLANTAS, 7., 2013, Uberlândia. Variedade melhorada: a força da nossa agricultura: anais. Viçosa, MG: SBMP, 2013. p. 285-288.| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Recursos Genéticos e Biotecnologia. |
| |
| 109. | | GRANATO, I. S. C.; MARINHO, C. D.; ALMEIDA FILHO, J. E. de; RESENDE, M. D. V. de; SILVA, F. F. e; FERREIRA, K. C. Z.; ROSSE, L. N.; SANSALONI, C. P.; PETROLI, C. D.; GRATTAPAGLIA, D. Seleção de marcadores para os métodos RR-BLUP e BLASSO na seleção genômica ampla. In: CONGRESSO BRASILEIRO DE MELHORAMENTO DE PLANTAS, 7., 2013, Uberlândia. Variedade melhorada: a força da nossa agricultura: anais. Viçosa, MG: SBMP, 2013. p. 285-288.| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Florestas. |
| |
| 110. | | NASCIMENTO, M.; SILVA, F. F. e; RESENDE, M. D. V. de; CRUZ, C. D.; NASCIMENTO, A. C. C.; VIANA, J. M. S.; AZEVEDO, C. F.; BARROSO, L. M. A. Regularized quantile regression applied to genome-enabled prediction of quantitative traits. Genetics and Molecular Research, v. 16, n. 1, gmr16019538, 2017. 12 p.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 2 |
| Biblioteca(s): Embrapa Florestas. |
| |
| 111. | | ALVES, R. S.; RESENDE, M. D. V. de; ROCHA, J. R. do A. S. de C.; PEIXOTO, M. A.; TEODORO, P. E.; SILVA, F. F. e; BHERING, L. L.; SANTOS, G. A. dos. Quantifying individual variation in reaction norms using random regression models fitted through Legendre polynomials: application in eucalyptus breeding. Bragantia, v. 79, n. 4, 2020. p. 360-376.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 1 |
| Biblioteca(s): Embrapa Café. |
| |
| 112. | | ALMEIDA FILHO, J. E. de; AZEVEDO, C. F.; MARINHO, C. D.; RESENDE, M. D. V. de; SILVA, F. F. e; FERREIRA, K. C. Z.; ROSSE, L. N.; SANSALONI, C. P.; PETROLI, C. D.; GRATTAPAGLIA, D. Parametrizações em marcadores dominantes para seleção genômica ampla em eucalipto. In: CONGRESSO BRASILEIRO DE MELHORAMENTO DE PLANTAS, 7., 2013, Uberlândia. Variedade melhorada: a força da nossa agricultura: anais. Viçosa, MG: SBMP, 2013. p. 13-16.| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Recursos Genéticos e Biotecnologia. |
| |
| 113. | | ALMEIDA FILHO, J. E. de; AZEVEDO, C. F.; MARINHO, C. D.; RESENDE, M. D. V. de; SILVA, F. F. e; FERREIRA, K. C. Z.; ROSSE, L. N.; SANSALONI, C. P.; PETROLI, C. D.; GRATTAPAGLIA, D. Parametrizações em marcadores dominantes para seleção genômica ampla em eucalipto. In: CONGRESSO BRASILEIRO DE MELHORAMENTO DE PLANTAS, 7., 2013, Uberlândia. Variedade melhorada: a força da nossa agricultura: anais. Viçosa, MG: SBMP, 2013. p. 13-16.| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Florestas. |
| |
| 114. | | ALVES, R. S.; RESENDE, M. D. V. de; AZEVEDO, C. F.; SILVA, F. F. e; ROCHA, J. R. A. S. C.; NUNES, A. C. P.; CARNEIRO, A. P. S.; SANTOS, G. A. dos. Optimization of Eucalyptus breeding through random regression models allowing for reaction norms in response to environmental gradients. Tree Genetics & Genomes, v. 16, n. 2, p. 1-8, 2020.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Café. |
| |
| 115. | | PEIXOTO, M. A.; EVANGELISTA, J. S. P. C.; COELHO, I. F; ALVES, R. A.; LAVIOLA, B. G.; SILVA, F. F. e; RESENDE, M. D. V. de; BHERING, L. L. Multiple-trait model through Bayesian inference applied to Jatropha curcas breeding for bioenergy. PLOS ONE , v. 16, n. 3, e0247775, Mar. 2021. 16| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Agroenergia; Embrapa Café. |
| |
| 116. | | TEIXEIRA, F. R. F.; NASCIMENTO, M.; NASCIMENTO, A. C. C.; SILVA, F. F. e; CRUZ, C. D.; AZEVEDO, C. F.; PAIXÃO, D. M.; BARROSO, L. M. A.; VERARDO, L. L.; RESENDE, M. D. V. de; GUIMARÃES, S. E. F.; LOPES, P. S. Factor analysis applied to genome prediction for high-dimensional phenotypes in pigs. Genetics and Molecular Research, v. 15, n. 2, 2016. 10 p.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Florestas. |
| |
| 117. | | VERARDO, L. L.; SILVA, F. F. e; MACHADO, M. A.; PANETTO, J. C. do C.; REIS, D. R. de L.; OTTO, P. I.; REGITANO, L. C. de A.; SILVA, L. O. C. da; EGITO, A. A. do; ALBUQUERQUE, M. do S. M.; ZANELLA, R.; SILVA, M. V. G. B. Genome-wide analyses reveal the genetic architecture and candidate genes of indicine, taurine, synthetic crossbreds, and locally adapted cattle in Brazil. Frontiers in Genetics, v. 12, article 702822, 2021.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Gado de Corte; Embrapa Gado de Leite; Embrapa Pecuária Sudeste. |
| |
| Registros recuperados : 117 | |
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
