| |
|
|
| Registros recuperados : 125 | |
| 81. |  | ALMEIDA FILHO, J. E. de; TARDIN, F. D.; RESENDE, M. D. V. de; SILVA, F. F. e; GRANATO, I. S. C.; MENEZES, C. B. de. Genetic evaluation of grain sorghum hybrids in Brazilian environments using the REML/BLUP procedure. Scientia Agricola, Piracicaba, v. 71, n. 2, p. 146-150, Mar./Apr. 2014.| Biblioteca(s): Embrapa Florestas; Embrapa Milho e Sorgo. |
|    |
| 82. | | EVANGELISTA, J. S. P. C.; PEIXOTO, M. A.; COELHO, I.; ALVES, R.; RESENDE, M. D. V. de; SILVA, F. F. e; LAVIOLA, B.; BHERING, L. L. Genetic evaluation and selection in jatropha curcas through frequentist and bayesian inferences. Bragantia, v. 81, 2022. 12 p.| Biblioteca(s): Embrapa Café. |
| |
| 83. | | GONÇALVES, T. de M.; LARANJO, J. S.; COSTA, A. L. L. da; SILVA, F. F. e; FERREIRA, J. L.; REBOUÇAS, J. F.; RODRIGUEZ, M. A. P. Curvas de lactação de um rebanho de cabras da raça Saanen: uma abordagem Bayesiana da função de wood. In: REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE ZOOTECNIA, 42., 2005, Goiânia. A produção animal e o foco no agronegócio: anais. Goiânia: Sociedade Brasileira de Zootecnia, 2005. 4 f. CD ROM.| Biblioteca(s): Embrapa Caprinos e Ovinos. |
| |
| 84. | | ARBEX, W. A.; SILVA, F. F. e; SILVA, M. V. G. B.; BORGES, C. C. H.; OLIVEIRA, F. C. de; VARONA, L.; VERNEQUE, R. da S. Decision Support in Attribute Selection with Machine Learning Approach. In: CONFERENCIA IBÉRICA DE SISTEMAS Y TECNOLOGÍAS DE INFORMACION, 9., 2014, Barcelona. Actas... Barcelona: Aisti; Salle, 2014. CISTI 2014| Biblioteca(s): Embrapa Gado de Leite. |
| |
| 85. | | BARBOSA, E. C.; SILVA, C. H. O.; NASCIMENTO, M.; SILVA, F. F. e; MINIM, V. P. R.; DELIZA, R.; SILVA, S. M. Della L. Choice-based conjoint analysis: um enfoque bayesiano. Revista Brasileira de Biometria, Lavras, v.36, n.1, 2018. 19 p.| Biblioteca(s): Embrapa Agroindústria de Alimentos. |
|  |
| 86. | | LAGROTTA, M. R.; SILVA, F. F. e; RESENDE, M. D. V. de; NASCIMENTO, M.; DUARTE, D. A. S.; AZEVEDO, C. F.; MOTA, R. R. Computação paralela aplicada à seleção genômica via inferência Bayesiana. Revista Brasileira de Biometria, Lavras, v. 35, n. 3, p. 440-448, 2017.| Biblioteca(s): Embrapa Florestas. |
| |
| 87. | | RIBEIRO, L. C.; CARVALHO, P. H. A.; PÉREZ, J. R. O.; SILVA, F. F. e; MUNIZ, J. A.; OLIVEIRA JÚNIOR, G. M. de. Produção e composição do leite de ovelhas Santa Inês. In: REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE ZOOTECNIA, 42., 2005, Goiânia. A produção animal e o foco no agronegócio: anais. Goiânia: Sociedade Brasileira de Zootecnia, 2005. 5 f. CD ROM.| Biblioteca(s): Embrapa Caprinos e Ovinos. |
| |
| 88. | | GUIMARÃES, J. F. R.; ALMEIDA FILHO, J. E.; RESENDE JÚNIOR, M. F.; RESENDE, M. D. V. de; SILVA, F. F. e; MUÑOZ, P.; KIRST, M. Predictive ability behavior across sites after discard of SNPS with unstable effects. In: CONGRESSO BRASILEIRO DE MELHORAMENTO DE PLANTAS, 8., 2015, Goiânia. O melhoramento de plantas, o futuro da agricultura e a soberania nacional: anais. Goiânia: SBMP: UFG, 2015. Resumo.| Biblioteca(s): Embrapa Florestas. |
| |
| 89. | | 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. |
| |
| 90. | | 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. |
| |
| 91. | | CECON, P. R.; SILVA, F. F. e; DONATO, S. L. R.; SIQUEIRA, D. L. de; SALOMÃO, L. C. C.; SILVA, S. de O. e; CARNEIRO, A. P. S. Avaliação de métodos para estimar o tamanho de parcelas em experimentos com bananeira. In: REUNIÃO ANUAL DA REGIÃO BRASILEIRA DA SOCEDADE INTERNACIONAL DE BIOMETRIA, 52.; SIMPÓSIO DE ESTATÍSTICA APLICADA À EXPERIMENTAÇÃO AGRONÔMICA, 12., 2007, Santa Maria. Santa Maria: [s.n., 2007?] Antônio Policarpo Souza Carneiro, UFV.| Biblioteca(s): Embrapa Mandioca e Fruticultura. |
| |
| 92. | | SANTOS, P. M. dos; NASCIMENTO, A. C. C.; NASCIMENTO, M.; SILVA, F. F. e; AZEVEDO, C. F.; MOTA, R. R.; GUIMARÃES, S. E. F.; LOPES, P. S. Use of regularized quantile regression to predict the genetic merit of pigs for asymmetric carcass traits. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 53, n. 9, p. 1011-1017, Sept. 2018. Título em português: Uso da regressão quantílica regularizada para predição de mérito genético em suínos quanto a características assimétricas de carcaça.| Biblioteca(s): Embrapa Unidades Centrais. |
| |
| 93. | | LIMA, L. P.; AZEVEDO, C. F.; RESENDE, M. D. V. de; SILVA, F. F. e; VIANA, J. M. S.; OLIVEIRA, E. J. de. Triple categorical regression for genomic selection: application to cassava breeding. Scientia Agricola, v. 76, n. 5, p. 368-375, Sept./Oct. 2019.| Biblioteca(s): Embrapa Florestas; Embrapa Mandioca e Fruticultura. |
| |
| 94. | | FERNANDES, C. A. de C.; PALHAO, M. P.; FIGUEIREDO, A. C. S.; RIBEIRO, J. R.; SILVA, F. F. e; VIANA, J. H. M. Weight gain potential affects pregnancy rates in bovine embryo recipients raised under pasture conditions. Tropical Animal Health and Production, v. 48, n. 1, p. 103-107, 2015.| Biblioteca(s): Embrapa Gado de Leite. |
| |
| 95. | | 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. Accessing marker effects and heritability estimates from genome prediction by Bayesian regularized neural networks. Livestock Science, v. 191, p. 91-96, Sept. 2016.| Biblioteca(s): Embrapa Florestas. |
| |
| 96. | | PEIXOTO, M. A.; EVANGELISTA, J. S. P. C.; COELHO, I. F; ALVES, R. A.; LAVIOLA, B. G.; SILVA, F. F. e; RESENDE, M. D. V. de; BHERING, L. L. Multiple-trait model through Bayesian inference applied to Jatropha curcas breeding for bioenergy. PLOS ONE , v. 16, n. 3, e0247775, Mar. 2021. 16| Biblioteca(s): Embrapa Agroenergia; Embrapa Café. |
| |
| 97. | | ALMEIDA FILHO, J. E. de; AZEVEDO, C. F.; MARINHO, C. D.; RESENDE, M. D. V. de; SILVA, F. F. e; FERREIRA, K. C. Z.; ROSSE, L. N.; SANSALONI, C. P.; PETROLI, C. D.; GRATTAPAGLIA, D. Parametrizações em marcadores dominantes para seleção genômica ampla em eucalipto. In: CONGRESSO BRASILEIRO DE MELHORAMENTO DE PLANTAS, 7., 2013, Uberlândia. Variedade melhorada: a força da nossa agricultura: anais. Viçosa, MG: SBMP, 2013. p. 13-16.| Biblioteca(s): Embrapa Recursos Genéticos e Biotecnologia. |
| |
| 98. | | ALMEIDA FILHO, J. E. de; AZEVEDO, C. F.; MARINHO, C. D.; RESENDE, M. D. V. de; SILVA, F. F. e; FERREIRA, K. C. Z.; ROSSE, L. N.; SANSALONI, C. P.; PETROLI, C. D.; GRATTAPAGLIA, D. Parametrizações em marcadores dominantes para seleção genômica ampla em eucalipto. In: CONGRESSO BRASILEIRO DE MELHORAMENTO DE PLANTAS, 7., 2013, Uberlândia. Variedade melhorada: a força da nossa agricultura: anais. Viçosa, MG: SBMP, 2013. p. 13-16.| Biblioteca(s): Embrapa Florestas. |
| |
| 99. | | ALVES, R. S.; RESENDE, M. D. V. de; AZEVEDO, C. F.; SILVA, F. F. e; ROCHA, J. R. A. S. C.; NUNES, A. C. P.; CARNEIRO, A. P. S.; SANTOS, G. A. dos. Optimization of Eucalyptus breeding through random regression models allowing for reaction norms in response to environmental gradients. Tree Genetics & Genomes, v. 16, n. 2, p. 1-8, 2020.| Biblioteca(s): Embrapa Café. |
| |
| 100. | | NASCIMENTO, M.; SILVA, F. F. e; RESENDE, M. D. V. de; CRUZ, C. D.; NASCIMENTO, A. C. C.; VIANA, J. M. S.; AZEVEDO, C. F.; BARROSO, L. M. A. Regularized quantile regression applied to genome-enabled prediction of quantitative traits. Genetics and Molecular Research, v. 16, n. 1, gmr16019538, 2017. 12 p.| Biblioteca(s): Embrapa Florestas. |
| |
| Registros recuperados : 125 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Gado de Leite. |
|
Data corrente: |
13/08/2021 |
|
Data da última atualização: |
29/12/2021 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 2 |
|
Autoria: |
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. |
|
Afiliação: |
Universidade Federal do Piauí; Universidade Federal de Viçosa; Universidade Federal de Viçosa; Universidade Federal de Viçosa; Universidade Federal de Viçosa; A.C.C. NASCIMENTO, Universidade Federal de Viçosa; Universidade Federal de Viçosa; D.B.D. MARQUES, Universidade Federal de Viçosa; MARCOS VINICIUS GUALBERTO B SILVA, CNPGL; A.P.S. CARNEIRO, Universidade Federal de Viçosa; Universidade de São Paulo. |
|
Título: |
Genomic prediction of lactation curves of Girolando cattle based on nonlinear mixed models. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
Genetics and Molecular Research, v. 20, n. 1, gmr18691, 2021. |
|
DOI: |
http://dx.doi.org/10.4238/gmr18691 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Knowledge of lactation curves in dairy cattle is essential for understanding the animal production in milk production systems. Genomic prediction of lactation curves represents the genetic pattern of milk production of the animals in the herd. In this context, we made genomic predictions of lactation curves through genome-wide selection (GWS) to characterize the genetic pattern of lactation traits in Girolando cattle based on parameters estimated by nonlinear mixed effects (NLME) models. Data of 1,822 milk control records from 226 Girolando animals genotyped for 37,673 single nucleotide polymorphisms were analyzed. Nine NLME models were compared to identify the equation with the best fit. The lactation traits estimated by the best model were submitted to GWS analysis, using the Bayesian LASSO method. Then, based on the genomic estimated breeding values (GEBVs) obtained, genomic predictions of lactation curves were constructed, and the genetic parameters were calculated. Wood's equation showed the best fit among the evaluated models. Heritabilities ranged from 0.09 to 0.29 for the seven lactation variables (initial production, rates of increase and decline, lactation peak, time to peak yield, persistence and total production). The correlations among GEBVs ranged from -0.85 to 0.98. The concordances between the best animals selected according to the selected traits were greater when the correlations between GEBVs for these traits were also high. Consequently, the methodology allowed us to identify the best nonlinear model and to construct the genetic lactation curves of a Girolando cattle population, as well as to assess the differences between animals and the association between lactation variables. MenosKnowledge of lactation curves in dairy cattle is essential for understanding the animal production in milk production systems. Genomic prediction of lactation curves represents the genetic pattern of milk production of the animals in the herd. In this context, we made genomic predictions of lactation curves through genome-wide selection (GWS) to characterize the genetic pattern of lactation traits in Girolando cattle based on parameters estimated by nonlinear mixed effects (NLME) models. Data of 1,822 milk control records from 226 Girolando animals genotyped for 37,673 single nucleotide polymorphisms were analyzed. Nine NLME models were compared to identify the equation with the best fit. The lactation traits estimated by the best model were submitted to GWS analysis, using the Bayesian LASSO method. Then, based on the genomic estimated breeding values (GEBVs) obtained, genomic predictions of lactation curves were constructed, and the genetic parameters were calculated. Wood's equation showed the best fit among the evaluated models. Heritabilities ranged from 0.09 to 0.29 for the seven lactation variables (initial production, rates of increase and decline, lactation peak, time to peak yield, persistence and total production). The correlations among GEBVs ranged from -0.85 to 0.98. The concordances between the best animals selected according to the selected traits were greater when the correlations between GEBVs for these traits were also high. Consequently, the methodology a... Mostrar Tudo |
|
Palavras-Chave: |
Previsão genômica. |
|
Thesagro: |
Bovino; Curva de Lactação; Gado Leiteiro. |
|
Thesaurus NAL: |
Genome; Girolando; Heritability. |
|
Categoria do assunto: |
L Ciência Animal e Produtos de Origem Animal |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/225151/1/Genomic-prediction.pdf
|
|
Marc: |
LEADER 02711naa a2200337 a 4500
001 2133535
005 2021-12-29
008 2021 bl uuuu u00u1 u #d
024 7 $ahttp://dx.doi.org/10.4238/gmr18691$2DOI
100 1 $aTEIXEIRA, F. R. F.
245 $aGenomic prediction of lactation curves of Girolando cattle based on nonlinear mixed models.$h[electronic resource]
260 $c2021
520 $aKnowledge of lactation curves in dairy cattle is essential for understanding the animal production in milk production systems. Genomic prediction of lactation curves represents the genetic pattern of milk production of the animals in the herd. In this context, we made genomic predictions of lactation curves through genome-wide selection (GWS) to characterize the genetic pattern of lactation traits in Girolando cattle based on parameters estimated by nonlinear mixed effects (NLME) models. Data of 1,822 milk control records from 226 Girolando animals genotyped for 37,673 single nucleotide polymorphisms were analyzed. Nine NLME models were compared to identify the equation with the best fit. The lactation traits estimated by the best model were submitted to GWS analysis, using the Bayesian LASSO method. Then, based on the genomic estimated breeding values (GEBVs) obtained, genomic predictions of lactation curves were constructed, and the genetic parameters were calculated. Wood's equation showed the best fit among the evaluated models. Heritabilities ranged from 0.09 to 0.29 for the seven lactation variables (initial production, rates of increase and decline, lactation peak, time to peak yield, persistence and total production). The correlations among GEBVs ranged from -0.85 to 0.98. The concordances between the best animals selected according to the selected traits were greater when the correlations between GEBVs for these traits were also high. Consequently, the methodology allowed us to identify the best nonlinear model and to construct the genetic lactation curves of a Girolando cattle population, as well as to assess the differences between animals and the association between lactation variables.
650 $aGenome
650 $aGirolando
650 $aHeritability
650 $aBovino
650 $aCurva de Lactação
650 $aGado Leiteiro
653 $aPrevisão genômica
700 1 $aNASCIMENTO, M.
700 1 $aCECON, P. R.
700 1 $aCRUZ, C. D.
700 1 $aSILVA, F. F. e
700 1 $aNASCIMENTO, A. C. C.
700 1 $aAZEVEDO, C. F.
700 1 $aMARQUES, D. B. D.
700 1 $aSILVA, M. V. G. B.
700 1 $aCARNEIRO, A. P. S.
700 1 $aPAIXAO, D. M.
773 $tGenetics and Molecular Research$gv. 20, n. 1, gmr18691, 2021.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Gado de Leite (CNPGL) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
