| |
|
|
|
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 |
|
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 |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Pecuária Sul. |
|
Data corrente: |
15/12/2011 |
|
Data da última atualização: |
15/12/2011 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
JANTSCH, E. M.; SILVA, G. M. da; MAIXNER, A. R.; UHDE, L. T.; COSTA, P. U. N. da; POZZOBON, G. E. |
|
Afiliação: |
Etiane Maroski Jantsch, Estudante do curso de Medicina Veterinária da UNIJUI e bolsista FAPERGS; GUSTAVO MARTINS DA SILVA, CPPSUL; Adriano Rudi Maixner, Professor do Departamento de Estudos Agrários, Eng. Agr.; Leonir Terezinha Uhde; Pedro Urubatan Neto da Costa; Gilberto Eugênio Pozzobon. |
|
Título: |
Aspectos econômico-produtivos da atividade leiteira em sistemas de produção de base familiar na região noroeste do Rio Grande do Sul. |
|
Ano de publicação: |
2011 |
|
Fonte/Imprenta: |
In: JORNADA DE EXTENSÃO, 12., 2011, Ijuí, RS. [Anais...]. Ijuí: Unijuí, 2011. |
|
Idioma: |
Português |
|
Conteúdo: |
A Região Noroeste do Rio Grande do Sul representa um importante pólo de produção leiteira e, a qual está, em grande parte, baseada em unidades familiares. Assim, o objetivo deste trabalho foi caracterizar, analisar e discutir aspectos econômico-produtivos desses sistemas de produção, com enfoque na pecuária leiteira. Interagindo com as famílias de agricultores participantes do Programa Rede Leite, tem-se acompanhado várias unidades produtivas, observando e realizando registros. Nesse estudo, analisaram-se dados provenientes de 29 propriedades, caracterizadas por 18 indicadores econômico-produtivos, utilizando-se como ferramenta a estatística multivariada. Identificou-se a formação de dois tipos básicos de sistemas de produção, diferenciados principalmente pela área total da propriedade, que, por sua vez, condiciona diferenças em outras variáveis. Os agricultores dispõem de variadas estratégias produtivas em função das condições e recursos próprios do sistema. A identificação e caracterização dos tipos de sistemas de produção nos permitem gerar proposições no sentido de melhorar os processos produtivos e conferir maior sustentabilidade. |
|
Palavras-Chave: |
Indicadores; Pecuária familiar; Produção de leite; Rio Grande do Sul; Sustentabilidade. |
|
Thesagro: |
Renda. |
|
Categoria do assunto: |
L Ciência Animal e Produtos de Origem Animal |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/50336/1/Artigo-nos-anais.pdf
|
|
Marc: |
LEADER 01979nam a2200241 a 4500
001 1909817
005 2011-12-15
008 2011 bl uuuu u00u1 u #d
100 1 $aJANTSCH, E. M.
245 $aAspectos econômico-produtivos da atividade leiteira em sistemas de produção de base familiar na região noroeste do Rio Grande do Sul.$h[electronic resource]
260 $aIn: JORNADA DE EXTENSÃO, 12., 2011, Ijuí, RS. [Anais...]. Ijuí: Unijuí$c2011
520 $aA Região Noroeste do Rio Grande do Sul representa um importante pólo de produção leiteira e, a qual está, em grande parte, baseada em unidades familiares. Assim, o objetivo deste trabalho foi caracterizar, analisar e discutir aspectos econômico-produtivos desses sistemas de produção, com enfoque na pecuária leiteira. Interagindo com as famílias de agricultores participantes do Programa Rede Leite, tem-se acompanhado várias unidades produtivas, observando e realizando registros. Nesse estudo, analisaram-se dados provenientes de 29 propriedades, caracterizadas por 18 indicadores econômico-produtivos, utilizando-se como ferramenta a estatística multivariada. Identificou-se a formação de dois tipos básicos de sistemas de produção, diferenciados principalmente pela área total da propriedade, que, por sua vez, condiciona diferenças em outras variáveis. Os agricultores dispõem de variadas estratégias produtivas em função das condições e recursos próprios do sistema. A identificação e caracterização dos tipos de sistemas de produção nos permitem gerar proposições no sentido de melhorar os processos produtivos e conferir maior sustentabilidade.
650 $aRenda
653 $aIndicadores
653 $aPecuária familiar
653 $aProdução de leite
653 $aRio Grande do Sul
653 $aSustentabilidade
700 1 $aSILVA, G. M. da
700 1 $aMAIXNER, A. R.
700 1 $aUHDE, L. T.
700 1 $aCOSTA, P. U. N. da
700 1 $aPOZZOBON, G. E.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Pecuária Sul (CPPSUL) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
