| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Acre. |
|
Data corrente: |
23/11/2022 |
|
Data da última atualização: |
08/05/2023 |
|
Tipo da produção científica: |
Documentos |
|
Autoria: |
ANDRADE, C. M. S. de; CARNEIRO JUNIOR, J. M.; CARVALHO, B. P.; SALES, M. F. L. |
|
Afiliação: |
CARLOS MAURICIO SOARES DE ANDRADE, CPAF-AC; JOSE MARQUES CARNEIRO JUNIOR, CPAF-AC; BRUNO PENA CARVALHO, CPAF-AC; MAYKEL FRANKLIM LIMA SALES, CPAF-AC. |
|
Título: |
Estudo de caso sobre a época da estação de monta tradicional do Acre. |
|
Ano de publicação: |
2022 |
|
Fonte/Imprenta: |
Rio Branco, AC: Embrapa Acre, 2022. |
|
Páginas: |
37 p. |
|
Série: |
(Embrapa Acre. Documentos, 175). |
|
ISSN: |
0104-9046 |
|
Idioma: |
Português |
|
Notas: |
Selo ODS 2. |
|
Conteúdo: |
Este documento apresenta um estudo sobre a adequação da época da estação de monta mais utilizada nas fazendas de gado de corte no estado do Acre. Esta publicação está de acordo com o Objetivo de Desenvolvimento Sustentável 2 (Fome Zero e Agricultura Sustentável), por tratar de uma prática agropecuária de baixo custo que pode aumentar a eficiência e a sustentabilidade da produção de bezerros de corte em fazendas de pequeno, médio e grande porte. Os Objetivos de Desenvolvimento Sustentável (ODS) são uma coleção de 17 metas globais estabelecidas pela Assembleia Geral das Nações Unidas e que têm o apoio da Embrapa para que sejam atingidas. |
|
Palavras-Chave: |
Acre; Amazonia Occidental; Amazônia Ocidental; Cruce de animales; Eficacia reproductora; Época de apareamiento; Estação de monta; Estudios de casos prácticos; Estudo de caso; Fazenda Guaxupé; Fazenda Lua Nova; Ganado de carne; Reproducción de animales; Rio Branco (AC); Selo ODS 2; Western Amazon. |
|
Thesagro: |
Cruzamento Animal; Eficiência Reprodutiva; Gado de Corte; Pecuária; Reprodução Animal. |
|
Thesaurus Nal: |
Animal breeding; Animal reproduction; Beef cattle; Breeding season; Case studies; Reproductive efficiency. |
|
Categoria do assunto: |
L Ciência Animal e Produtos de Origem Animal |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1148632/1/27386.pdf
|
|
Marc: |
LEADER 02141nam a2200517 a 4500
001 2148632
005 2023-05-08
008 2022 bl uuuu u0uu1 u #d
022 $a0104-9046
100 1 $aANDRADE, C. M. S. de
245 $aEstudo de caso sobre a época da estação de monta tradicional do Acre.$h[electronic resource]
260 $aRio Branco, AC: Embrapa Acre$c2022
300 $a37 p.
490 $a(Embrapa Acre. Documentos, 175).
500 $aSelo ODS 2.
520 $aEste documento apresenta um estudo sobre a adequação da época da estação de monta mais utilizada nas fazendas de gado de corte no estado do Acre. Esta publicação está de acordo com o Objetivo de Desenvolvimento Sustentável 2 (Fome Zero e Agricultura Sustentável), por tratar de uma prática agropecuária de baixo custo que pode aumentar a eficiência e a sustentabilidade da produção de bezerros de corte em fazendas de pequeno, médio e grande porte. Os Objetivos de Desenvolvimento Sustentável (ODS) são uma coleção de 17 metas globais estabelecidas pela Assembleia Geral das Nações Unidas e que têm o apoio da Embrapa para que sejam atingidas.
650 $aAnimal breeding
650 $aAnimal reproduction
650 $aBeef cattle
650 $aBreeding season
650 $aCase studies
650 $aReproductive efficiency
650 $aCruzamento Animal
650 $aEficiência Reprodutiva
650 $aGado de Corte
650 $aPecuária
650 $aReprodução Animal
653 $aAcre
653 $aAmazonia Occidental
653 $aAmazônia Ocidental
653 $aCruce de animales
653 $aEficacia reproductora
653 $aÉpoca de apareamiento
653 $aEstação de monta
653 $aEstudios de casos prácticos
653 $aEstudo de caso
653 $aFazenda Guaxupé
653 $aFazenda Lua Nova
653 $aGanado de carne
653 $aReproducción de animales
653 $aRio Branco (AC)
653 $aSelo ODS 2
653 $aWestern Amazon
700 1 $aCARNEIRO JUNIOR, J. M.
700 1 $aCARVALHO, B. P.
700 1 $aSALES, M. F. L.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Acre (CPAF-AC) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Milho e Sorgo. |
|
Data corrente: |
25/03/2024 |
|
Data da última atualização: |
25/03/2024 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 1 |
|
Autoria: |
BARRETO, C. A. V.; DIAS, K. O. das G.; SOUSA, I. C. de; AZEVEDO, C. F.; NASCIMENTO, A. C. C.; GUIMARAES, L. J. M.; GUIMARÃES, C. T.; PASTINA, M. M.; NASCIMENTO, M. |
|
Afiliação: |
CYNTHIA APARECIDA VALIATI BARRETO, UNIVERSIDADE FEDERAL DE VIÇOSA; KAIO OLIMPIO DAS GRAÇAS DIAS, UNIVERSIDADE FEDERAL DE VIÇOSA; ITHALO COELHO DE SOUSA, UNIVERSIDADE FEDERAL DE RONDÔNIA; CAMILA FERREIRA AZEVEDO, UNIVERSIDADE FEDERAL DE VIÇOSA; ANA CAROLINA CAMPANA NASCIMENTO, UNIVERSIDADE FEDERAL DE VIÇOSA; LAURO JOSE MOREIRA GUIMARAES, CNPMS; CLAUDIA TEIXEIRA GUIMARAES, CNPMS; MARIA MARTA PASTINA, CNPMS; MOYSÉS NASCIMENTO, UNIVERSIDADE FEDERAL DE VIÇOSA. |
|
Título: |
Genomic prediction in multi-environment trials in maize using statistical and machine learning methods. |
|
Ano de publicação: |
2024 |
|
Fonte/Imprenta: |
Scientific Reports, v. 14, 1062, 2024. |
|
DOI: |
https://doi.org/10.1038/s41598-024-51792-3 |
|
Idioma: |
Inglês |
|
Conteúdo: |
In the context of multi-environment trials (MET), genomic prediction is proposed as a tool that allows the prediction of the phenotype of single cross hybrids that were not tested in field trials. This approach saves time and costs compared to traditional breeding methods. Thus, this study aimed to evaluate the genomic prediction of single cross maize hybrids not tested in MET, grain yield and female flowering time. We also aimed to propose an application of machine learning methodologies in MET in the prediction of hybrids and compare their performance with Genomic best linear unbiased prediction (GBLUP) with non-additive effects. Our results highlight that both methodologies are efficient and can be used in maize breeding programs to accurately predict the performance of hybrids in specific environments. The best methodology is case-dependent, specifically, to explore the potential of GBLUP, it is important to perform accurate modeling of the variance components to optimize the prediction of new hybrids. On the other hand, machine learning methodologies can capture non-additive effects without making any assumptions at the outset of the model. Overall, predicting the performance of new hybrids that were not evaluated in any field trials was more challenging than predicting hybrids in sparse test designs. |
|
Palavras-Chave: |
Predição genômica. |
|
Thesagro: |
Hibrido; Milho; Produtividade. |
|
Categoria do assunto: |
F Plantas e Produtos de Origem Vegetal |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1163114/1/Genomic-prediction-in-multi-environment-trials-in-maize.pdf
|
|
Marc: |
LEADER 02163naa a2200277 a 4500
001 2163114
005 2024-03-25
008 2024 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.1038/s41598-024-51792-3$2DOI
100 1 $aBARRETO, C. A. V.
245 $aGenomic prediction in multi-environment trials in maize using statistical and machine learning methods.$h[electronic resource]
260 $c2024
520 $aIn the context of multi-environment trials (MET), genomic prediction is proposed as a tool that allows the prediction of the phenotype of single cross hybrids that were not tested in field trials. This approach saves time and costs compared to traditional breeding methods. Thus, this study aimed to evaluate the genomic prediction of single cross maize hybrids not tested in MET, grain yield and female flowering time. We also aimed to propose an application of machine learning methodologies in MET in the prediction of hybrids and compare their performance with Genomic best linear unbiased prediction (GBLUP) with non-additive effects. Our results highlight that both methodologies are efficient and can be used in maize breeding programs to accurately predict the performance of hybrids in specific environments. The best methodology is case-dependent, specifically, to explore the potential of GBLUP, it is important to perform accurate modeling of the variance components to optimize the prediction of new hybrids. On the other hand, machine learning methodologies can capture non-additive effects without making any assumptions at the outset of the model. Overall, predicting the performance of new hybrids that were not evaluated in any field trials was more challenging than predicting hybrids in sparse test designs.
650 $aHibrido
650 $aMilho
650 $aProdutividade
653 $aPredição genômica
700 1 $aDIAS, K. O. das G.
700 1 $aSOUSA, I. C. de
700 1 $aAZEVEDO, C. F.
700 1 $aNASCIMENTO, A. C. C.
700 1 $aGUIMARAES, L. J. M.
700 1 $aGUIMARÃES, C. T.
700 1 $aPASTINA, M. M.
700 1 $aNASCIMENTO, M.
773 $tScientific Reports$gv. 14, 1062, 2024.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Milho e Sorgo (CNPMS) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
