| |
|
|
|
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 |
|
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 |
URL |
Voltar
|
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Algodão. Para informações adicionais entre em contato com cnpa.biblioteca@embrapa.br. |
Registro Completo
|
Biblioteca(s): |
Embrapa Algodão. |
|
Data corrente: |
24/09/2007 |
|
Data da última atualização: |
10/03/2008 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso / Nota Técnica |
|
Circulação/Nível: |
-- - -- |
|
Autoria: |
FERREIRA, A. M. C.; NASCIMENTO, A. R. B. do; MELO, R. de S.; SOARES, J. J. |
|
Afiliação: |
José Janduí Soares, Embrapa Algodão; Adriano Magno Cavalcanti Ferreira, UEPB; Antônio Rogério Bezerra do Nascimento, UEPB; Rachel de Souza Melo, UEPB. |
|
Título: |
Eficiência de predação de Chrysoperla externa em função da idade de Alabama argillacea. |
|
Ano de publicação: |
2007 |
|
Fonte/Imprenta: |
In: CONGRESSO BRASILEIRO DO ALGODÃO, 6., 2007, Uberlândia. Anais... Uberlândia, 2007. |
|
Páginas: |
p. 1-4 |
|
Descrição Física: |
1 CD-ROM |
|
Idioma: |
Português |
|
Conteúdo: |
Este estudo teve como principal objetivo avaliar a eficiência do predador Chrysoperla
externa (Neuroptera: Chrysopidae) em função da idade de Alabama argillacea. O ensaio foi realizado no Laboratório de Entomologia da Embrapa-Algodão, Campina Grande ? PB, em 2005. Foram utilizadas larvas de presas e de predadores de 1º, 2º e 3º ínstares as quais foram colocadas em placas de Petri de 8 cm de diâmetro x 1 cm de altura, forrada com papel filtro e contendo folha de algodão. As diferentes combinações presa/predador deram origem a nove tratamentos que foram repetidos dez vezes. De acordo com os resultados pode-se concluir que as larvas de C. externa preferem larvas de 1º ínstar de A. argillacea. Isto ocorre porque os predadores preferem atacar larvas que não lhes
oferecem resistência/ intimidação. As larvas de 2º ínstar de C. externa são mais eficientes quando se alimentam de presas menores (1º ínstar), pois, nesse estágio, apresentam maior capacidade de movimentação. Baseados nestes resultados recomenda-se que em programas de controle biológico as liberações do predador no campo, sejam feitas utilizando-se larvas de 2º ínstar de C. externa. |
|
Palavras-Chave: |
Gossypium hirsuntum; Inimigos naturais - algodão. |
|
Thesagro: |
Controle Biológico. |
|
Categoria do assunto: |
-- |
|
Marc: |
LEADER 01845naa a2200205 a 4500
001 1275506
005 2008-03-10
008 2007 bl uuuu u00u1 u #d
100 1 $aFERREIRA, A. M. C.
245 $aEficiência de predação de Chrysoperla externa em função da idade de Alabama argillacea.
260 $c2007
300 $ap. 1-4$c1 CD-ROM
520 $aEste estudo teve como principal objetivo avaliar a eficiência do predador Chrysoperla externa (Neuroptera: Chrysopidae) em função da idade de Alabama argillacea. O ensaio foi realizado no Laboratório de Entomologia da Embrapa-Algodão, Campina Grande ? PB, em 2005. Foram utilizadas larvas de presas e de predadores de 1º, 2º e 3º ínstares as quais foram colocadas em placas de Petri de 8 cm de diâmetro x 1 cm de altura, forrada com papel filtro e contendo folha de algodão. As diferentes combinações presa/predador deram origem a nove tratamentos que foram repetidos dez vezes. De acordo com os resultados pode-se concluir que as larvas de C. externa preferem larvas de 1º ínstar de A. argillacea. Isto ocorre porque os predadores preferem atacar larvas que não lhes oferecem resistência/ intimidação. As larvas de 2º ínstar de C. externa são mais eficientes quando se alimentam de presas menores (1º ínstar), pois, nesse estágio, apresentam maior capacidade de movimentação. Baseados nestes resultados recomenda-se que em programas de controle biológico as liberações do predador no campo, sejam feitas utilizando-se larvas de 2º ínstar de C. externa.
650 $aControle Biológico
653 $aGossypium hirsuntum
653 $aInimigos naturais - algodão
700 1 $aNASCIMENTO, A. R. B. do
700 1 $aMELO, R. de S.
700 1 $aSOARES, J. J.
773 $tIn: CONGRESSO BRASILEIRO DO ALGODÃO, 6., 2007, Uberlândia. Anais... Uberlândia, 2007.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Algodão (CNPA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
