| |
|
|
| Registros recuperados : 19 | |
| 2. |  | TEIXEIRA, A. L.; PRADO, P. E. R.; DIAS, K. O. das G.; MALTA, M. R.; GONÇALVES, F. M. A. Avaliação do teor de cafeína em folhas e grãos de acessos de café arábica. Separata de: Revista Ciência Agronômica, Fortaleza, v. 43, n. 1, p. 129-137, jan-mar, 2012.| Biblioteca(s): Embrapa Rondônia. |
|    |
| 3. | | ROSA, J. R. B. F.; GUIMARÃES, C. T.; MAGALHAES, J. V. de; DIAS, K. O. das G.; SILVA, L. da C. e; PASTINA, M. M. Aplicação da associação genômica no melhoramento de plantas. In: PEIXOTO, L. de A.; BHERING, L. L.; CRUZ, C. D. (ed.). Seleção genômica aplicada ao melhoramento genético. Viçosa, MG: Universidade Federal de Viçosa, 2022. p. 47-71.| Biblioteca(s): Embrapa Milho e Sorgo. |
|  |
| 4. | | DIAS, K. O. das G.; GONÇALVES, F. M. A.; SOUZA SOBRINHO, F. de; BENITES, F. R. G.; TEIXEIRA, D. H. L.; NUNES, J. A. R. Número de repetições para avaliação de progênies de Brachiaria ruziziensis. In: CONGRESSO BRASILEIRO DE MELHORAMENTO DE PLANTAS, 7., 2013, Uberlândia. Variedade melhorada: a força da nossa agricultura: anais. Viçosa, MG: SBMP, 2013. p. 1110-1111| Biblioteca(s): Embrapa Gado de Leite. |
| |
| 5. | | DIAS, K. O. das G.; GEZAN, S. A.; GUIMARAES, C. T.; NODA, R. W.; SOUZA, J. C. de; PASTINA, M. M.; GUIMARAES, L. J. M. Seleção genômica para tolerância ao déficit hídrico em milho. In: CONGRESSO NACIONAL DE MILHO E SORGO, 31., 2016, Bento Gonçalves. Milho e sorgo: inovações, mercados e segurança alimentar: anais. Sete Lagoas: Associação Brasileira de Milho e Sorgo, 2016.| Biblioteca(s): Embrapa Milho e Sorgo. |
| |
| 8. | | DIAS, K. O. das G.; PASTINA, M. M.; GUIMARAES, P. E. de O.; SANTOS, J. R. P. dos; KRAUSE, M. D.; FERRÃO, L. F. V.; GARCIA, A. A. F. Application of multi-environment bayesian models to study genotype-by-environment interaction in maize. In: CONGRESSO BRASILEIRO DE MELHORAMENTO DE PLANTAS, 9., 2017, Foz do Iguaçu. Melhoramento de plantas: projetando o futuro. Foz do Iguaçu: SBMP, 2017. p. 149.| Biblioteca(s): Embrapa Milho e Sorgo. |
| |
| 9. | | KRAUSE, M. D.; DIAS, K. O. das G.; SANTOS, J. P. R. dos; OLIVEIRA, A. A. de; GUIMARAES, L. J. M.; PASTINA, M. M.; MARGARIDO, G. R. A.; GARCIA, A. A. F. Boosting predictive ability of tropical maize hybrids via genotype-by-environment interaction under multivariate GBLUP models. Crop Science, v. 60, n. 6, p. 3049-3065, 2020.| Biblioteca(s): Embrapa Milho e Sorgo. |
| |
| 10. | | PASTINA, M. M.; SILVA, R. R.; GUIMARAES, L. J. M.; GUIMARAES, C. T.; DIAS, K. O. das G.; SILVA, L. da C. e; MAGALHAES, J. V. de; GUIMARAES, P. E. de O.; PARENTONI, S. N.; GARCIA, A. A. F. Modelos GBLUP univariados e multivariados para seleção genômica para tolerância ao déficit hídrico em milho. Sete Lagoas: Embrapa Milho e Sorgo, 2016. 12 p. (Embrapa Milho e Sorgo. Circular Técnica, 223).| Biblioteca(s): Embrapa Milho e Sorgo. |
| |
| 11. | | 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. |
| |
| 12. | | SOUZA, V. F. de; RIBEIRO, P. C. de O.; VIEIRA JÚNIOR, I. C.; OLIVEIRA, I. C. M.; DAMASCENO, C. M. B.; SCHAFFERT, R. E.; PARRELLA, R. A. da C.; DIAS, K. O. das G.; PASTINA, M. M. Exploring genotype x environment interaction in sweet sorghum under tropical environments. Agronomy Journal, v. 113, p. 3005-3018, 2021.| Biblioteca(s): Embrapa Milho e Sorgo. |
| |
| 13. | | EVANGELISTA, J. S. P. C.; CHAVES, S. F. da S.; BHERING, E. L.; QUEIROZ, V. A. V.; SILVA, D. D. da; GUIMARAES, L. J. M.; DIAS, K. O. das G.; PASTINA, M. M. Seleção de genótipos de milho tropical com menor incidência de fumonisinas em grãos e alta produtividade via predição genômica. Sete Lagoas: Embrapa Milho e Sorgo, 2023. 17 p. (Embrapa Milho e Sorgo. Circular Técnica, 284).| Biblioteca(s): Embrapa Milho e Sorgo. |
| |
| 14. | | DIAS, K. O. das G.; GONÇALVES, F. M. A.; SOUZA SOBRINHO, F. de; NUNES, J. A. R.; TEIXEIRA, D. H. L.; MORAES, B. F. X. de; BENITES, F. R. G. Tamanho de parcela e efeito de bordadura no melhoramento de Urochloa ruziziensis. Pesquisa Agropecuária Brasileira, v. 48, n. 11, p. 1426-1431, 2013.| Biblioteca(s): Embrapa Gado de Leite; Embrapa Unidades Centrais. |
| |
| 15. | | EVANGELISTA, J. S. P. C.; PEIXOTO, M. A.; COELHO, I. F.; FERREIRA, F. M.; MARÇAL, T. de S.; ALVES, R. S.; CHAVES, S. F. da S.; RODRIGUES, E. V.; LAVIOLA, B. G.; RESENDE, M. D. V. de; DIAS, K. O. das G.; BHERING, L. L. Modeling covariance structures and optimizing jatropha curcas breeding. Tree Genetics & Genomes, v. 19, 21, 2023. 11 p.| Biblioteca(s): Embrapa Agroenergia; Embrapa Café. |
| |
| 16. | | PADUA, J. M. V.; DIAS, K. O. das G.; PASTINA, M. M.; SOUZA, J. C. de; QUEIROZ, V. A. V.; COSTA, R. V. da; SILVA, M. B. P. da; RIBEIRO, C. A. G.; GUIMARAES, C. T.; GEZAN, S. A.; GUIMARAES, L. J. M. A multi-environment trials diallel analysis provides insights on the inheritance of fumonisin contamination resistance in tropical maize. Euphytica, Dordrecht, v. 211, n. 3, p. 277-285, 2016| Biblioteca(s): Embrapa Milho e Sorgo. |
| |
| 17. | | SILVA, K. J.; GUIMARÃES, C. T.; GUILHEN, J. H. S.; GUIMARAES, P. E. de O.; PARENTONI, S. N.; TRINDADE, R. dos S.; OLIVEIRA, A. A. de; BERNARDINO, K. da C.; PINTO, M. de O.; DIAS, K. O. das G.; BERNARDES, C. de O.; DIAS, L. A. dos S.; GUIMARAES, L. J. M.; PASTINA, M. M. High-density SNP-based genetic diversity and heterotic patterns of tropical maize breeding lines. Crop Science, v. 60, p. 779-787, 2020| Biblioteca(s): Embrapa Milho e Sorgo. |
| |
| 18. | | DIAS, K. O. das G.; GEZAN, S. A.; GUIMARÃES, C. T.; NAZARIAN, A.; SILVA, L. da C. e; PARENTONI, S. N.; GUIMARAES, P. E. de O.; ANONI, C. de O.; PÁDUA, J. M. V.; PINTO, M. de O.; NODA, R. W.; RIBEIRO, C. A. G.; MAGALHAES, J. V. de; GARCIA, A. A. F.; SOUZA, J. C. de; GUIMARAES, L. J. M.; PASTINA, M. M. Improving accuracies of genomic predictions for drought tolerance in maize by joint modeling of additive and dominance effects in multi-environment trials. Heredity, London, v. 121, n. 1, p. 24-37, 2018.| Biblioteca(s): Embrapa Milho e Sorgo. |
| |
| 19. | | DIAS, K. O. das G.; GEZAN, S. A.; GUIMARAES, C. T.; MAGALHAES, J. V. de; GUIMARAES, P. E. de O.; CARNEIRO, N. P.; PORTUGAL, A. F.; BASTOS, E. A.; CARDOSO, M. J.; ANONI, C. de O.; SOUZA, J. C. de; GUIMARAES, L. J. M.; PASTINA, M. M. Estimating genotype X environment interaction for and genetic correlations among drought tolerance traits in maize via factor analytic multiplicative mixed models. Crop Science, Madison, v. 58, p. 72-83, Jan. 2018. Publicado online em 30 out. 2017.| Biblioteca(s): Embrapa Milho e Sorgo. |
| |
| Registros recuperados : 19 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Milho e Sorgo. |
|
Data corrente: |
20/08/2020 |
|
Data da última atualização: |
20/12/2020 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 1 |
|
Autoria: |
KRAUSE, M. D.; DIAS, K. O. das G.; SANTOS, J. P. R. dos; OLIVEIRA, A. A. de; GUIMARAES, L. J. M.; PASTINA, M. M.; MARGARIDO, G. R. A.; GARCIA, A. A. F. |
|
Afiliação: |
Matheus Dalsente Krause, Iowa State University; Kaio Olímpio das Graças Dias, Escola Superior de Agricultura "Luiz de Queiroz"; Jhonathan Pedroso Rigal dos Santos, Escola Superior de Agricultura "Luiz de Queiroz"; Amanda Avelar de Oliveira, Escola Superior de Agricultura "Luiz de Queiroz"; LAURO JOSE MOREIRA GUIMARAES, CNPMS; MARIA MARTA PASTINA, CNPMS; Gabriel Rodrigues Alves Margarido, Escola Superior de Agricultura "Luiz de Queiroz"; Antonio Augusto Franco Garcia, Escola Superior de Agricultura "Luiz de Queiroz". |
|
Título: |
Boosting predictive ability of tropical maize hybrids via genotype-by-environment interaction under multivariate GBLUP models. |
|
Ano de publicação: |
2020 |
|
Fonte/Imprenta: |
Crop Science, v. 60, n. 6, p. 3049-3065, 2020. |
|
DOI: |
10.1002/csc2.20253 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Genomic selection has been implemented in several plant and animal breeding programs and it has proven to improve efficiency and maximize genetic gains. Phenotypic data of grain yield was measured in 147 maize (Zea mays L.) singlecross hybrids at 12 environments. Single-cross hybrids genotypes were inferred based on their parents (inbred lines) via single nucleotide polymorphism (SNP) markers obtained from genotyping-by-sequencing (GBS). Factor analytic multiplicative genomic best linear unbiased prediction (GBLUP) models, in the framework of multienvironment trials, were used to predict grain yield performance of unobserved tropical maize single-cross hybrids. Predictions were performed for two situations: untested hybrids (CV1), and hybrids evaluated in some environments but missing in others (CV2). Models that borrowed information across individuals through genomic relationships and within individuals across environments presented higher predictive accuracy than those models that ignored it. For these models, predictive accuracies were up to 0.4 until eight environments were considered as missing for the validation set, which represents 67% of missing data for a given hybrid. These results highlight the importance of including genotype-by-environment interactions and genomic relationship information for boosting predictions of tropical maize single-cross hybrids for grain yield. |
|
Thesagro: |
Genótipo; Melhoramento Genético Vegetal; Milho. |
|
Categoria do assunto: |
G Melhoramento Genético |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/219490/1/Boosting-predictive.pdf
|
|
Marc: |
LEADER 02201naa a2200253 a 4500
001 2124456
005 2020-12-20
008 2020 bl uuuu u00u1 u #d
024 7 $a10.1002/csc2.20253$2DOI
100 1 $aKRAUSE, M. D.
245 $aBoosting predictive ability of tropical maize hybrids via genotype-by-environment interaction under multivariate GBLUP models.$h[electronic resource]
260 $c2020
520 $aGenomic selection has been implemented in several plant and animal breeding programs and it has proven to improve efficiency and maximize genetic gains. Phenotypic data of grain yield was measured in 147 maize (Zea mays L.) singlecross hybrids at 12 environments. Single-cross hybrids genotypes were inferred based on their parents (inbred lines) via single nucleotide polymorphism (SNP) markers obtained from genotyping-by-sequencing (GBS). Factor analytic multiplicative genomic best linear unbiased prediction (GBLUP) models, in the framework of multienvironment trials, were used to predict grain yield performance of unobserved tropical maize single-cross hybrids. Predictions were performed for two situations: untested hybrids (CV1), and hybrids evaluated in some environments but missing in others (CV2). Models that borrowed information across individuals through genomic relationships and within individuals across environments presented higher predictive accuracy than those models that ignored it. For these models, predictive accuracies were up to 0.4 until eight environments were considered as missing for the validation set, which represents 67% of missing data for a given hybrid. These results highlight the importance of including genotype-by-environment interactions and genomic relationship information for boosting predictions of tropical maize single-cross hybrids for grain yield.
650 $aGenótipo
650 $aMelhoramento Genético Vegetal
650 $aMilho
700 1 $aDIAS, K. O. das G.
700 1 $aSANTOS, J. P. R. dos
700 1 $aOLIVEIRA, A. A. de
700 1 $aGUIMARAES, L. J. M.
700 1 $aPASTINA, M. M.
700 1 $aMARGARIDO, G. R. A.
700 1 $aGARCIA, A. A. F.
773 $tCrop Science$gv. 60, n. 6, p. 3049-3065, 2020.
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. |
|
|
