Portal do Governo Brasileiro
BDPA - Bases de Dados da Pesquisa Agropecuária Embrapa
 






Registro Completo
Biblioteca(s):  Embrapa Milho e Sorgo.
Data corrente:  10/03/2004
Data da última atualização:  16/04/2021
Tipo da produção científica:  Boletim de Pesquisa e Desenvolvimento
Autoria:  OLIVEIRA-PAIVA, C. A.; GOMES, E. A.; MARRIEL, I. E.; LANA, U. G. de P.; CARNEIRO, N. P.; GUIMARAES, C. T.; SCHAFFERT, R. E.; ALVES, V. M. C.
Afiliação:  ELIANE APARECIDA GOMES, CNPMS; IVANILDO EVODIO MARRIEL, CNPMS; UBIRACI GOMES DE PAULA LANA, CNPMS; NEWTON PORTILHO CARNEIRO, CNPMS; CLAUDIA TEIXEIRA GUIMARAES, CNPMS; ROBERT EUGENE SCHAFFERT, CNPMS; VERA MARIA CARVALHO ALVES, CNPMS.
Título:  Microrganismos solubilizadores de fosfato isolados da rizosfera de genótipos de milho em plantio direto e convencional.
Ano de publicação:  2008
Fonte/Imprenta:  Sete Lagoas: Embrapa Milho e Sorgo, 2008.
Páginas:  21 p.
Série:  (Embrapa Milho e Sorgo. Boletim de Pesquisa e Desenvolvimento, 04).
Idioma:  Português
Conteúdo:  Microrganismos do solo são capazes de transformar o fósforo (P) de fontes indisponíveis em fontes solúveis, contribuindo para a nutrição das plantas como microrganismos promotores do crescimento das plantas. Este trabalho teve como objetivo isolar, selecionar e avaliar a atividade solubilizadora de microrganismos da rizosfera de milho, objetivando o uso destes isolados em futuras aplicações como bioinoculantes. Foram isoladas 371 colônias de microrganismos da rizosfera de milho cultivado em um latossolo com deficiência de P. Destes microrganismos, 45 foram selecionados com base no maior potencial de solubilização em meio de cultura líquido contendo como fontes orgânicas fosfato, fitato de sódio e lecitina de soja e como fontes inorgânicas fosfato de alumínio (AlPO 4) e fosfato de cálcio (Ca3(PO4)2). Os isolados foram identificados utilizando-se a sequência de nucleotídeos da subunidade 16S do DNA ribossomal (rDNA) para bactérias, incluindo actinobactérias e a região ITS do rDNA para os fungos. A maior solubilização de P foi observada entre as bactérias em meio de fosfato de cálcio, sendo os isolados B17 e B5, identificados como Bacillus e Burkholderia, respectivamente, os mais eficientes, liberando 67% (B17) e 58,5% (B5) do fósforo total após 10 dias de crescimento. Estas bactérias foram isoladas da rizosfera da linhagem L3, eficiente para absorção de fósforo, cultivada sob estresse de P. Os fungos foram os maiores solubilizadores em meio de fosfato de alumínio, fitato e lec... Mostrar Tudo
Thesagro:  Milho; Solo.
Categoria do assunto:  --
URL:  https://ainfo.cnptia.embrapa.br/digital/bitstream/item/25727/1/Bol-04.pdf
Marc:  Mostrar Marc Completo
Registro original:  Embrapa Milho e Sorgo (CNPMS)
Biblioteca ID Origem Tipo/Formato Classificação Cutter Registro Volume Status URL
CNPMS16177 - 1UMTFL - DD
Voltar






Acesso ao texto completo restrito à biblioteca da Embrapa Florestas. Para informações adicionais entre em contato com cnpf.biblioteca@embrapa.br.

Registro Completo

Biblioteca(s):  Embrapa Florestas.
Data corrente:  18/01/2017
Data da última atualização:  18/01/2017
Tipo da produção científica:  Artigo em Periódico Indexado
Circulação/Nível:  B - 1
Autoria:  GLÓRIA, L. S.; CRUZ, C. D.; VIEIRA, R. A. M.; RESENDE, M. D. V. de; LOPES, P. S.; SIQUEIRA, O. H. G. B. D. de; SILVA, F. F. e.
Afiliação:  Leonardo Siqueira Glória, UFV; Cosme Damião Cruz, UFV; Ricardo Augusto Mendonça Vieira, Universidade Estadual do Norte Fluminense; MARCOS DEON VILELA DE RESENDE, CNPF; Paulo Sávio Lopes, UFV; Otávio H. G. B. Dias de Siqueira, UFV; Fabyano Fonseca e Silva, UFV.
Título:  Accessing marker effects and heritability estimates from genome prediction by Bayesian regularized neural networks.
Ano de publicação:  2016
Fonte/Imprenta:  Livestock Science, v. 191, p. 91-96, Sept. 2016.
DOI:  http://dx.doi.org/10.1016/j.livsci.2016.07.015
Idioma:  Inglês
Conteúdo:  Recently, there is an increasing interest on semi- and non-parametric methods for genome-enabled prediction, among which the Bayesian regularized artificial neural networks (BRANN) stand. We aimed to evaluate the predictive performance of BRANN and to exploit SNP effects and heritability estimates using two different approaches (relative importance-RI, and relative contribution-RC). Additionally, we aimed also to compare BRANN with the traditional RR-BLUP and BLASSO by using simulated datasets. The simplest BRANN (net1), RR-BLUP and BLASSO methods outperformed other more parameterized BRANN (net2, net3, ? net6) in terms of predictive ability. For both simulated traits (Y1 and Y2) the net1 provided the best h2 estimates (0.33 for both, being the true h2=0.35), whereas RR-BLUP (0.18 and 0.22 for Y1 and Y2, respectively) and BLASSO (0.20 and 0.26 for Y1 and Y2, respectively) underestimated h2. The marker effects estimated from net1 (using RI and RC approaches) and RR-BLUP were similar, but the shrinkage strength was remarkable for BLASSO on both traits. For Y1, the correlation between the true fifty QTL effects and the effects estimated for the SNPs located in the same QTL positions were 0.61, 0.60, 0.60 and 0.55, for RI, RC, RR-BLUP and BLASSO; and for Y2, these correlations were 0.81, 0.81, 0.81 and 0.71, respectively. In summary, we believe that estimates of SNP effects are promising quantitative tools to bring discussions on chromosome regions contributing most effectively ... Mostrar Tudo
Palavras-Chave:  Genetic parameters; QTL; Redes neurais.
Thesagro:  Parâmetro Genético.
Thesaurus NAL:  Marker-assisted selection; Neural networks.
Categoria do assunto:  G Melhoramento Genético
Marc:  Mostrar Marc Completo
Registro original:  Embrapa Florestas (CNPF)
Biblioteca ID Origem Tipo/Formato Classificação Cutter Registro Volume Status
CNPF55564 - 1UPCAP - DD
Fechar
Nenhum registro encontrado para a expressão de busca informada.
 
 

Embrapa
Todos os direitos reservados, conforme Lei n° 9.610
Política de Privacidade
Área Restrita

Embrapa Agricultura Digital
Av. André Tosello, 209 - Barão Geraldo
Caixa Postal 6041- 13083-886 - Campinas, SP
SAC: https://www.embrapa.br/fale-conosco

Valid HTML 4.01 Transitional