| |
|
|
| Registros recuperados : 90 | |
| 61. |  | AZEVEDO, C. F.; RESENDE, M. D. V. de; SILVA, F. F. e; NASCIMENTO, M.; VIANA, J. M. S.; VALENTE, M. S. F. Population structure correction for genomic selection through eigenvector covariates. Crop Breeding and Applied Biotechnology, Viçosa, v. 17, n. 4, p.350-358, Oct./Dec. 2017.| Biblioteca(s): Embrapa Florestas. |
|    |
| 62. | | AZEVEDO, C. F.; SILVA, F. F. e; RESENDE, M. D. V. de; PETERNELLI, L. A.; GUIMARÃES, S. E. F.; LOPES, P. S. Quadrados mínimos parciais uni e multivariado aplicados na seleção genômica para características de carcaça em suínos. Ciência Rural, Santa Maria, RS, v. 43, n. 9, p. 1642-1649, set. 2013.| Biblioteca(s): Embrapa Florestas. |
| |
| 63. | | OLIVEIRA, G. F.; NASCIMENTO, A. C. C.; NASCIMENTO, M.; SANT'ANNA, I. de C.; ROMERO, J. V.; AZEVEDO, C. F.; BHERING, L. L.; CAIXETA, E. T. Quantile regression in genomic selection for oligogenic traits in autogamous plants: a simulation study. Plos One, v. 16, n. 1, e0243666, 2021.| Biblioteca(s): Embrapa Café. |
| |
| 64. | | RESENDE, R. T.; RESENDE, M. D. V. de; SILVA, F. F. S.; AZEVEDO, C. F. A.; TAKAHASHI, E. K. T.; SILVA JUNIOR, O. B. da; GRATTAPAGLIA, D. Regional heritability mapping and genome-wide association identify loci for complex growth, wood and disease resistance traits in Eucalyptus. New Phytologist, v. 213, p. 1287-1300, 2017.| Biblioteca(s): Embrapa Florestas; Embrapa Recursos Genéticos e Biotecnologia. |
| |
| 65. | | AZEVEDO, C. F.; RESENDE, M. D. V. de; SILVA, F. F. e; VIANA, J. M. S.; VALENTE, M. S. F.; RESENDE JUNIOR, M. F. R.; MUÑOZ, P. Ridge, Lasso and Bayesian additive dominance genomic models. BMC Genetics, v. 16, art. 105, Aug. 2015. 13 p.| Biblioteca(s): Embrapa Florestas. |
| |
| 66. | | ESCOBAR, J. A. D.; RESENDE, M. D. V. de; AZEVEDO, C. F.; SILVA, F. F.; BARBOSA, M. H. P.; NUNES, A. C. P.; ALVES, R. S.; NASCIMENTO, M. Teoria de valores extremos e tamanho amostral para o melhoramento genético do quantil máximo em plantas. Revista Brasileira de Biometria, Lavras, v. 36, n. 1, p. 108-127, 2018.| Biblioteca(s): Embrapa Florestas. |
| |
| 67. | | SILVA, F. F.; JEREZ, E. A. Z.; RESENDE, M. D. V. de; VIANA, J. M. S.; AZEVEDO, C. F.; LOPES, P. S.; NASCIMENTO, M.; LIMA, R. O. de; GUIMARÃES, S. E. F. Bayesian model combining linkage and linkage disequilibrium analysis for low density-based genomic selection in animal breeding. Journal of Applied Animal Research, v. 46, n. 1, p. 873-878, 2018.| Biblioteca(s): Embrapa Florestas. |
| |
| 68. | | AZEVEDO, C. F.; SILVA, F. F.; RESENDE, M. D. V. de; LOPES, M. S.; DUIJVESTEINJN, N.; GUIMARÃES, S. E. F.; LOPES, P. S.; KELLY, M. J.; VIANA, J. M. S.; KNOL, E. F. Supervised independent component analysis as an alternative method for genomic selection in pigs. Journal of Animal Breeding and Genetics, v. 131, p. 452-461, 2014.| Biblioteca(s): Embrapa Florestas. |
|  |
| 69. | | OLIVEIRA, M. I. P. de; ROCHA, M. do S.; SANTOS, S. R. N. dos; BELTRÃO, N. E. de M.; ALMEIDA, F. de A. de C.; AZEVEDO, C. F. de; LIMA, M. S. R. Substrato, temperatura de germinação e desenvolvimento inicial de Antirrhinum majus L. In: CONGRESSO BRASILEIRO DE FISIOLOGIA VEGETAL, 12., 2009, Fortaleza. Desafios para produção de alimentos e bioenergia. Fortaleza: SBFV: UFC: Embrapa Agroindústria Tropical, 2009.| Biblioteca(s): Embrapa Algodão. |
| |
| 70. | | ROCHA, M. do S.; OLIVEIRA, M. I. P. de; MEDEIROS, C.; AZEVEDO, C. F. de; BELTRÃO, N. E. de M.; CARVALHO, J. M. F. C.; ALMEIDA, F. de A. C.; NASCIMENTO, L. C.; BRUNO, R. de L. A. Fungos associados a sementes de mamoneira cultivadas na região de Barbalha, CE, safra 2007. In: CONGRESSO BRASILEIRO DE MAMONA, 3., 2008, Salvador. Energia e ricinoquímica: resumos. Salvador: SEAGRI: Embrapa Algodão, 2008. p. 50| Biblioteca(s): Embrapa Algodão. |
| |
| 71. | | ROCHA, M. do S.; OLIVEIRA, M. I. P. de; MEDEIROS, C.; AZEVEDO, C. F. de; BELTRÃO, N. E. de M.; CARVALHO, J. M. F. C.; ALMEIDA, F. de A. C.; NASCIMENTO, L. C.; BRUNO, R. de L. A. Fungos associados a sementes de mamoneira cultivadas na região de Barbalha, CE, safra 2007. In: CONGRESSO BRASILEIRO DE MAMONA, 3., 2008, Salvador. Energia e ricinoquímica: anais. Salvador: SEAGRI: Embrapa Algodão, 2008. 1 CD-ROM| Biblioteca(s): Embrapa Algodão. |
| |
| 72. | | RESENDE, R. T.; RESENDE, M. D. V. de; AZEVEDO, C. F.; SILVA, F. F. e; MELO, L. C.; PEREIRA, H. S.; SOUZA, T. L. P. O. de; VALDISSER, P. A. M. R.; BRONDANI, C.; VIANELLO, R. P. Genome-wide association and regional heritability mapping of plant architecture, lodging and productivity in Phaseolus vulgaris. G3: Genes, Genomes, Genetics, v. 8, p. 2841-2854, Aug. 2018.| Biblioteca(s): Embrapa Arroz e Feijão; Embrapa Florestas. |
| |
| 73. | | 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.| Biblioteca(s): Embrapa Gado de Leite. |
| |
| 74. | | 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.| Biblioteca(s): Embrapa Café. |
| |
| 75. | | 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. Genomic prediction in multi-environment trials in maize using statistical and machine learning methods. Scientific Reports, v. 14, 1062, 2024.| Biblioteca(s): Embrapa Milho e Sorgo. |
| |
| 76. | | TORRES, L. G.; OLIVEIRA, E. J. de; OGBONNA, A. C.; BAUCHET, G. J.; MUELLER, L. A.; AZEVEDO, C. F.; SILVA, F. F.; SIMIQUELI, G. F.; RESENDE, M. D. V. de. Can cross-country genomic predictions be a reasonable strategy to support germplasm exchange? A case study with hydrogen cyanide in cassava. Frontiers in Plant Science, v. 12, 742638, 2021.| Biblioteca(s): Embrapa Café; Embrapa Mandioca e Fruticultura. |
| |
| 77. | | OLIVEIRA, M. I. P. de; ROCHA, M. do S.; LUCENA, A. M. A. de; AZEVEDO, C. F. de; ARRIEL, N. H. C.; BARTOLOMEU, C. R. C.; BELTRÃO, N. E. de M. Caracterização morfo-anatômica de folhas e caule de Jatrophas curcas L. (Euphorbiacea). In: CONGRESSO BRASILEIRO DE PLANTAS OLEAGINOSAS, ÓLEOS, GORDURAS E BIODIESEL, 5.; CLÍNICA TECNOLÓGICA EM BIODIESEL, 2., 2008, Lavras. Biodiesel: tecnologia limpa. Anais...Lavras: UFLA, 2008. 9 p. Seção Trabalhos. 1 CD-ROM.| Biblioteca(s): Embrapa Algodão. |
| |
| 78. | | ROCHA, M. do S.; OLIVEIRA, M. I. P. de; AZEVEDO, C. F. de; LUCENA, A. M. A. de; BELTRÃO, N. E. de M.; CARVALHO, J. M. F. C.; ALMEIDA, F. de A. C.; BRUNO, R. de L. A. Caracterização morfoanatômico da cultivar BRS energia (Ricinus communis L.). In: CONGRESSO BRASILEIRO DE MAMONA, 3., 2008, Salvador. Energia e ricinoquímica: resumos. Salvador: SEAGRI: Embrapa Algodão, 2008. p. 124| Biblioteca(s): Embrapa Algodão. |
| |
| 79. | | ROCHA, M. do S.; OLIVEIRA, M. I. P. de; AZEVEDO, C. F. de; LUCENA, A. M. A. de; BELTRÃO, N. E. de M.; CARVALHO, J. M. F. C.; ALMEIDA, F. de A. C.; BRUNO, R. de L. A. Caracterização morfoanatômico da cultivar BRS energia (Ricinus communis L.). In: CONGRESSO BRASILEIRO DE MAMONA, 3., 2008, Salvador. Energia e ricinoquímica: anais. Salvador: SEAGRI: Embrapa Algodão, 2008. 1 CD-ROM| Biblioteca(s): Embrapa Algodão. |
| |
| 80. | | MIRANDA, T. L. R.; RESENDE, M. D. V. de; AZEVEDO, C. F.; NUNES, A. C. P.; TAKAHASHI, E. K.; SIMIQUELI, G. F.; SILVA, F. F. e; ALVES, R. S. Evaluation of a new additive-dominance genomic model and implications for quantitative genetics and genomic selection. Scientia Agricola, v. 79, n. 6, p. 1-7, 2022.| Biblioteca(s): Embrapa Café. |
| |
| Registros recuperados : 90 | |
|
|
|
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
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
