| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Café. |
|
Data corrente: |
03/01/2024 |
|
Data da última atualização: |
03/01/2024 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
AZEVEDO, C. F.; FERRÃO, L. F. V.; BENEVENUTO, J.; RESENDE, M. D. V. de; NASCIMENTO, M.; NASCIMENTO, A. C. C.; MUNOZ, P. R. |
|
Afiliação: |
CAMILA FERREIRA AZEVEDO, UNIVERSIDADE FEDERAL DE VIÇOSA; LUIS FELIPE VENTORIM FERRÃO, UNIVERSITY OF FLORID; JULIANA BENEVENUTO, UNIVERSITY OF FLORID; MARCOS DEON VILELA DE RESENDE, CNPCa; MOYSES NASCIMENTO, UNIVERSIDADE FEDERAL DE VIÇOSA; ANA CAROLINA CAMPANA NASCIMENTO, UNIVERSIDADE FEDERAL DE VIÇOSA; PATRICIO R. MUNOZ, UNIVERSITY OF FLORID. |
|
Título: |
Using visual scores for genomic prediction of complex traits in breeding programs. |
|
Ano de publicação: |
2024 |
|
Fonte/Imprenta: |
Theoretical and Applied Genetics, v. 137, n. 1, 2024. |
|
Páginas: |
16 p. |
|
DOI: |
https://doi.org/10.1007/s00122-023-04512-w |
|
Idioma: |
Inglês |
|
Conteúdo: |
An approach for handling visual scores with potential errors and subjectivity in scores was evaluated in simulated and blueberry recurrent selection breeding schemes to assist breeders in their decision-making. Most genomic prediction methods are based on assumptions of normality due to their simplicity and ease of implementation. However, in plant and animal breeding, continuous traits are often visually scored as categorical traits and analyzed as a Gaussian variable, thus violating the normality assumption, which could affect the prediction of breeding values and the estimation of genetic parameters. In this study, we examined the main challenges of visual scores for genomic prediction and genetic parameter estimation using mixed models, Bayesian, and machine learning methods. We evaluated these approaches using simulated and real breeding data sets. Our contribution in this study is a five-fold demonstration: (i) collecting data using an intermediate number of categories (1-3 and 1-5) is the best strategy, even considering errors associated with visual scores; (ii) Linear Mixed Models and Bayesian Linear Regression are robust to the normality violation, but marginal gains can be achieved when using Bayesian Ordinal Regression Models (BORM) and Random Forest Classification; (iii) genetic parameters are better estimated using BORM; (iv) our conclusions using simulated data are also applicable to real data in autotetraploid blueberry; and (v) a comparison of continuous and categorical phenotypes found that investing in the evaluation of 600-1000 categorical data points with low error, when it is not feasible to collect continuous phenotypes, is a strategy for improving predictive abilities. Our findings suggest the best approaches for effectively using visual scores traits to explore genetic information in breeding programs and highlight the importance of investing in the training of evaluator teams and in high-quality phenotyping. MenosAn approach for handling visual scores with potential errors and subjectivity in scores was evaluated in simulated and blueberry recurrent selection breeding schemes to assist breeders in their decision-making. Most genomic prediction methods are based on assumptions of normality due to their simplicity and ease of implementation. However, in plant and animal breeding, continuous traits are often visually scored as categorical traits and analyzed as a Gaussian variable, thus violating the normality assumption, which could affect the prediction of breeding values and the estimation of genetic parameters. In this study, we examined the main challenges of visual scores for genomic prediction and genetic parameter estimation using mixed models, Bayesian, and machine learning methods. We evaluated these approaches using simulated and real breeding data sets. Our contribution in this study is a five-fold demonstration: (i) collecting data using an intermediate number of categories (1-3 and 1-5) is the best strategy, even considering errors associated with visual scores; (ii) Linear Mixed Models and Bayesian Linear Regression are robust to the normality violation, but marginal gains can be achieved when using Bayesian Ordinal Regression Models (BORM) and Random Forest Classification; (iii) genetic parameters are better estimated using BORM; (iv) our conclusions using simulated data are also applicable to real data in autotetraploid blueberry; and (v) a comparison of continuous and ... Mostrar Tudo |
|
Thesaurus Nal: |
Animal breeding; Bayesian theory; Genome; Inheritance (genetics); Phenotype; Plant breeding. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1160409/1/Using-visual-scores-for-genomic-prediction.pdf
|
|
Marc: |
LEADER 02817naa a2200289 a 4500
001 2160409
005 2024-01-03
008 2024 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.1007/s00122-023-04512-w$2DOI
100 1 $aAZEVEDO, C. F.
245 $aUsing visual scores for genomic prediction of complex traits in breeding programs.$h[electronic resource]
260 $c2024
300 $a16 p.
520 $aAn approach for handling visual scores with potential errors and subjectivity in scores was evaluated in simulated and blueberry recurrent selection breeding schemes to assist breeders in their decision-making. Most genomic prediction methods are based on assumptions of normality due to their simplicity and ease of implementation. However, in plant and animal breeding, continuous traits are often visually scored as categorical traits and analyzed as a Gaussian variable, thus violating the normality assumption, which could affect the prediction of breeding values and the estimation of genetic parameters. In this study, we examined the main challenges of visual scores for genomic prediction and genetic parameter estimation using mixed models, Bayesian, and machine learning methods. We evaluated these approaches using simulated and real breeding data sets. Our contribution in this study is a five-fold demonstration: (i) collecting data using an intermediate number of categories (1-3 and 1-5) is the best strategy, even considering errors associated with visual scores; (ii) Linear Mixed Models and Bayesian Linear Regression are robust to the normality violation, but marginal gains can be achieved when using Bayesian Ordinal Regression Models (BORM) and Random Forest Classification; (iii) genetic parameters are better estimated using BORM; (iv) our conclusions using simulated data are also applicable to real data in autotetraploid blueberry; and (v) a comparison of continuous and categorical phenotypes found that investing in the evaluation of 600-1000 categorical data points with low error, when it is not feasible to collect continuous phenotypes, is a strategy for improving predictive abilities. Our findings suggest the best approaches for effectively using visual scores traits to explore genetic information in breeding programs and highlight the importance of investing in the training of evaluator teams and in high-quality phenotyping.
650 $aAnimal breeding
650 $aBayesian theory
650 $aGenome
650 $aInheritance (genetics)
650 $aPhenotype
650 $aPlant breeding
700 1 $aFERRÃO, L. F. V.
700 1 $aBENEVENUTO, J.
700 1 $aRESENDE, M. D. V. de
700 1 $aNASCIMENTO, M.
700 1 $aNASCIMENTO, A. C. C.
700 1 $aMUNOZ, P. R.
773 $tTheoretical and Applied Genetics$gv. 137, n. 1, 2024.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Café (CNPCa) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Milho e Sorgo. |
|
Data corrente: |
11/09/2018 |
|
Data da última atualização: |
11/09/2018 |
|
Tipo da produção científica: |
Autoria/Organização/Edição de Livros |
|
Autoria: |
CONGRESSO NACIONAL DE MILHO E SORGO, 32., 2018, Lavras. |
|
Título: |
Soluções integradas para os sistemas de produção de milho e sorgo no Brasil: livro de palestras. |
|
Ano de publicação: |
2018 |
|
Fonte/Imprenta: |
Sete Lagoas: Associação Brasileira de Milho e Sorgo, 2018. |
|
Páginas: |
932 p. |
|
ISBN: |
978-85-63892-09-6 |
|
Idioma: |
Português |
|
Notas: |
Editores técnicos: Maria Cristina Dias Paes, Renzo Garcia Von Pinho, Silvino Guimarães Moreira. |
|
Conteúdo: |
O aumento da produção brasileira de milho e sorgo ao longo dos últimos anos somente foi possível por causa dos sucessivos crescimentos de produtividade dessas culturas. Os principais fatores que influenciaram esse incremento foram o desenvolvimento de novos híbridos mais produtivos e a melhoria nos manejos do solo e dos estresses bióticos. Nos últimos anos, tanto a cultura de milho como a de sorgo tiveram reduzidas suas participações nos cultivos de verão e se tornaram as principais culturas de segunda safra, após a soja. Atualmente, cerca de 60 e 95% das produções de grãos de milho e de sorgo no Brasil, respectivamente, têm sido feitos na segunda safra ou safrinha. Com isso, os desafios nos campos de cultivo se tornaram ainda maiores, pois muito do conhecimento científico gerado para o manejo do milho e sorgo na primeira safra não se aplica para o cultivo destes na segunda safra, que apresenta condições climáticas mais restritivas, aumentando os problemas no campo. Como exemplo, muitas doenças e pragas que não eram conhecidas ou importantes, para o cultivo tradicional do milho, se transformaram em grande desafio para o cultivo na segunda safra. Dentre estas se destacam a incidência dos enfezamentos do milho e a ocorrência dos percevejos nos estádios iniciais do milho e do sorgo em sucessão à soja, mudando o cenário de produção de milho e sorgo nos últimos anos. Na maioria das regiões brasileiras, o proprietário rural deixou de ser produtor apenas de milho e sorgo e passou a trabalhar com um sistema de produção mais complexo, incluindo soja, milho, sorgo, trigo, feijão, dentre outras culturas, além da Integração Lavoura-Pecuária-Floresta. Em muitas regiões há culturas no campo o ano inteiro, servindo de ponte verde e potencializando os problemas com insetos-praga, doenças, nematoides, plantas daninhas e outros. Além disso, o aquecimento global vem influenciando mudanças no calendário e na frequência de chuvas, contribuindo para as alterações no sistema produtivo. Diante desse novo cenário, não há mais como manejar o solo e os estresses bióticos e abióticos apenas para uma cultura de forma isolada, mas, sim, dentro de um sistema com culturas anuais. Com base nessa realidade, surgiu o tema central do XXXII Congresso Nacional de Milho e Sorgo, “Soluções integradas para os sistemas de produção de milho e sorgo no Brasil”, com o objetivo de discutir soluções conjuntas dentro do sistema de produção agrícola mais complexo, com novas tecnologias aplicadas e com a evolução no melhoramento genético para esse novo sistema, com necessidade de cultivares com componentes inovadores nesse novo cenário. Nesta publicação, estão reunidos os conteúdos de palestras apresentadas durante o evento, tornando disponíveis os avanços científicos e tecnológicos apresentados pelos palestrantes. MenosO aumento da produção brasileira de milho e sorgo ao longo dos últimos anos somente foi possível por causa dos sucessivos crescimentos de produtividade dessas culturas. Os principais fatores que influenciaram esse incremento foram o desenvolvimento de novos híbridos mais produtivos e a melhoria nos manejos do solo e dos estresses bióticos. Nos últimos anos, tanto a cultura de milho como a de sorgo tiveram reduzidas suas participações nos cultivos de verão e se tornaram as principais culturas de segunda safra, após a soja. Atualmente, cerca de 60 e 95% das produções de grãos de milho e de sorgo no Brasil, respectivamente, têm sido feitos na segunda safra ou safrinha. Com isso, os desafios nos campos de cultivo se tornaram ainda maiores, pois muito do conhecimento científico gerado para o manejo do milho e sorgo na primeira safra não se aplica para o cultivo destes na segunda safra, que apresenta condições climáticas mais restritivas, aumentando os problemas no campo. Como exemplo, muitas doenças e pragas que não eram conhecidas ou importantes, para o cultivo tradicional do milho, se transformaram em grande desafio para o cultivo na segunda safra. Dentre estas se destacam a incidência dos enfezamentos do milho e a ocorrência dos percevejos nos estádios iniciais do milho e do sorgo em sucessão à soja, mudando o cenário de produção de milho e sorgo nos últimos anos. Na maioria das regiões brasileiras, o proprietário rural deixou de ser produtor apenas de milho e sorgo e passou a... Mostrar Tudo |
|
Thesagro: |
Sorghum Bicolor; Zea Mays. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/182687/1/Livro-de-palestras.pdf
|
|
Marc: |
LEADER 03550nam a2200169 a 4500
001 2095395
005 2018-09-11
008 2018 bl uuuu 00u1 u #d
020 $a978-85-63892-09-6
100 1 $aCONGRESSO NACIONAL DE MILHO E SORGO, 32., 2018, Lavras.
245 $aSoluções integradas para os sistemas de produção de milho e sorgo no Brasil$blivro de palestras.$h[electronic resource]
260 $aSete Lagoas: Associação Brasileira de Milho e Sorgo$c2018
300 $a932 p.
500 $aEditores técnicos: Maria Cristina Dias Paes, Renzo Garcia Von Pinho, Silvino Guimarães Moreira.
520 $aO aumento da produção brasileira de milho e sorgo ao longo dos últimos anos somente foi possível por causa dos sucessivos crescimentos de produtividade dessas culturas. Os principais fatores que influenciaram esse incremento foram o desenvolvimento de novos híbridos mais produtivos e a melhoria nos manejos do solo e dos estresses bióticos. Nos últimos anos, tanto a cultura de milho como a de sorgo tiveram reduzidas suas participações nos cultivos de verão e se tornaram as principais culturas de segunda safra, após a soja. Atualmente, cerca de 60 e 95% das produções de grãos de milho e de sorgo no Brasil, respectivamente, têm sido feitos na segunda safra ou safrinha. Com isso, os desafios nos campos de cultivo se tornaram ainda maiores, pois muito do conhecimento científico gerado para o manejo do milho e sorgo na primeira safra não se aplica para o cultivo destes na segunda safra, que apresenta condições climáticas mais restritivas, aumentando os problemas no campo. Como exemplo, muitas doenças e pragas que não eram conhecidas ou importantes, para o cultivo tradicional do milho, se transformaram em grande desafio para o cultivo na segunda safra. Dentre estas se destacam a incidência dos enfezamentos do milho e a ocorrência dos percevejos nos estádios iniciais do milho e do sorgo em sucessão à soja, mudando o cenário de produção de milho e sorgo nos últimos anos. Na maioria das regiões brasileiras, o proprietário rural deixou de ser produtor apenas de milho e sorgo e passou a trabalhar com um sistema de produção mais complexo, incluindo soja, milho, sorgo, trigo, feijão, dentre outras culturas, além da Integração Lavoura-Pecuária-Floresta. Em muitas regiões há culturas no campo o ano inteiro, servindo de ponte verde e potencializando os problemas com insetos-praga, doenças, nematoides, plantas daninhas e outros. Além disso, o aquecimento global vem influenciando mudanças no calendário e na frequência de chuvas, contribuindo para as alterações no sistema produtivo. Diante desse novo cenário, não há mais como manejar o solo e os estresses bióticos e abióticos apenas para uma cultura de forma isolada, mas, sim, dentro de um sistema com culturas anuais. Com base nessa realidade, surgiu o tema central do XXXII Congresso Nacional de Milho e Sorgo, “Soluções integradas para os sistemas de produção de milho e sorgo no Brasil”, com o objetivo de discutir soluções conjuntas dentro do sistema de produção agrícola mais complexo, com novas tecnologias aplicadas e com a evolução no melhoramento genético para esse novo sistema, com necessidade de cultivares com componentes inovadores nesse novo cenário. Nesta publicação, estão reunidos os conteúdos de palestras apresentadas durante o evento, tornando disponíveis os avanços científicos e tecnológicos apresentados pelos palestrantes.
650 $aSorghum Bicolor
650 $aZea Mays
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Milho e Sorgo (CNPMS) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
