| |
|
|
| Registros recuperados : 125 | |
| 44. |  | SUELA, M. M.; LIMA, L. P.; AZEVEDO, C. F.; RESENDE, M. D. V. de; NASCIMENTO, M.; SILVA, F. F. e. Combined index of genomic prediction methods applied to productivity traits in rice. Ciência Rural, Santa Maria, v. 49, n. 6, e20181008, June 2019. 9 p.| Biblioteca(s): Embrapa Florestas. |
|    |
| 46. | | SANTOS, V. S. dos; MARTINS FILHO, S.; ALVES, R. M.; RESENDE, M. D. V. de; SILVA, F. F. e. Genetic divergence among cupuaçu accessions by multiscale bootstrap resampling. Bragantia, Campinas, v. 74, n. 2, p. 169-175, Apr./June 2015.| Biblioteca(s): Embrapa Amazônia Oriental. |
| |
| 47. | | SANTOS, V. S. dos; MARTINS FILHO, S.; ALVES, R. M.; RESENDE, M. D. V. de; SILVA, F. F. e. Genetic divergence among cupuaçu accessions by multiscale bootstrap resampling. Bragantia, Campinas, v. 74, n. 2, p. 169-175, Apr./June 2015.| Biblioteca(s): Embrapa Florestas. |
| |
| 49. | | AZEVEDO, C. F.; SILVA, F. F. e; RIBEIRO, N. B.; SILVA, D. J. H. da; CECON, P. R.; BARILI, L. D.; PINHEIRO, V. R. Classificação multivariada de curvas de progresso da requeima do tomateiro entre acessos do Banco de Germoplasma de Hortaliças da UFV. Ciência Rural, Santa Maria, v. 42, n. 3, p. 414-417, mar. 2012.| Biblioteca(s): Embrapa Hortaliças. |
|  |
| 50. | | VENTURA, H. T.; SILVA, F. F e; VARONA, L.; FIGUEIREDO, E. A. P. de; COSTA, E. V.; SILVA, L. P. da; VENTURA. R.; LOPES, P. S. Comparing multi-trait Poisson and Gaussian Bayesian models for genetic evaluation of litter traits in pigs. Livestock Science, v. 176, p. 47-53, 2015.| Biblioteca(s): Embrapa Suínos e Aves. |
| |
| 51. | | COSTA, J. A. da; AZEVEDO, C. F.; NASCIMENTO, M.; SILVA, F. F. e; RESENDE, M. D. V. de; NASCIMENTO, A. C. C. A comparison of regression methods based on dimensional reduction for genomic prediction. Genetics and Molecular Research, v. 20, n. 2, p. 1-15, 2021.| Biblioteca(s): Embrapa Café. |
| |
| 52. | | ALMEIDA FILHO, J. E. de; GUIMARÃES, J. F. R.; SILVA, F. F. e; RESENDE, M. D. V. de; MUÑOZ, P.; KIRST, M.; RESENDE JUNIOR, M. F. R. The contribution of dominance to phenotype prediction in a pine breeding and simulated population. Heredity, v. 117, p. 33-41, July 2016.| Biblioteca(s): Embrapa Florestas. |
| |
| 53. | | SILVA, D. A. da; SILVA, F. F. e; VENTURA, H. T.; JUNQUEIRA, V. S.; SILVA, A. A. da; MOTA, R. R.; LOPES, P. S. Contemporary groups in the genetic evaluation of Nellore cattle using Bayesian inference. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 52, n. 8, p. 643-651, fev. 2017. Título em português: Grupos de contemporâneos na avaliação genética de gado Nelore por inferência bayesiana.| Biblioteca(s): Embrapa Unidades Centrais. |
| |
| 54. | | FIORINI, C. V. A.; SILVA, D. J. H. da; SILVA, F. F. e; MIZUBUTI, E. S. G.; ALVES, D. P.; CARDOSO, T. de S. Agrupamento de curvas de progresso de requeima, em tomateiro originado de cruzamento interespecífico. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 45, n. 10, p. 1095-1101, nov. 2010 Título em inglês: Clustering of progress curves of late blight for tomato genotypes from interspecific crosses.| Biblioteca(s): Embrapa Unidades Centrais. |
| |
| 55. | | CECON, P. R.; SILVA, F. F. e; FERREIRA, A.; FERRÃO, R. G.; CARNEIRO, A. P. S.; DETMANN, E.; FARIA, P. N.; MORAIS, T. S. da S. Análise de medidas repetidas na avaliação de clones de café 'Conilon'. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 43, n. 9, p. 1171-1176, set. 2008. Título em inglês: Repeated measure analysis in the clonal evaluation in 'Conilon' coffee.| Biblioteca(s): Embrapa Unidades Centrais. |
| |
| 56. | | BARROSO, L. M. A.; NASCIMENTO, M.; NASCIMENTO, A. C. C.; SILVA, F. F. e; CRUZ, C. D.; BHERING, L. L.; FERREIRA, R. de P. Metodologia para análise de adaptabilidade e estabilidade por meio de regressão quantílica. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 50, n. 4, p. 267-290-297, abr. 2015. Título em inglês: Methodology for analysis of adaptability and stability using quantile regression.| Biblioteca(s): Embrapa Unidades Centrais. |
| |
| 58. | | MARIGUELE, K. H.; RESENDE, M. D. V. de; VIANA, J. M. S.; SILVA, F. F. e; SILVA, P. S. L. de; KNOP, F. de C. Métodos de análise de dados longitudinais para o melhoramento genético da pinha. Pesquisa Agropecuária Brasileira, Brasília, v. 46, n. 12, p. 1657-1664, dez. 2011.| Biblioteca(s): Embrapa Florestas; Embrapa Unidades Centrais. |
| |
| 59. | | CARVALHO, S. de P. C. e; CALEGARIO, N.; SILVA, F. F. e; BORGES, L. A. C.; MENDONÇA, A. R. de; LIMA, M. P. de. Modelos não lineares generalizados aplicados na predição da área basal e volume de Eucalyptus clonal. Cerne, Lavras, v. 17, n. 4, p. 541-548, out./dez. 2011.| Biblioteca(s): Embrapa Florestas. |
| |
| 60. | | LIMA L. P.; AZEVEDO, C. F.; RESENDE, M. D. V. de; SILVA, F. F. e; SUELA, M. M.; NASCIMENTO, M.; VIANA, J. M. S. New insights into genomic selection through population-based non-parametric prediction methods. Scientia Agricicola, v. 76, n. 4, p. 290-298, July/Aug. 2019.| Biblioteca(s): Embrapa Florestas. |
| |
| Registros recuperados : 125 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Café. |
|
Data corrente: |
21/01/2022 |
|
Data da última atualização: |
21/01/2022 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 2 |
|
Autoria: |
COSTA, J. A. da; AZEVEDO, C. F.; NASCIMENTO, M.; SILVA, F. F. e; RESENDE, M. D. V. de; NASCIMENTO, A. C. C. |
|
Afiliação: |
JAQUICELE APARECIDA DA COSTA, UFV; CAMILA FERREIRA AZEVEDO, UFV; MOYSÉS NASCIMENTO, UFV; FABYANO FONSECA E SILVA, UFV; MARCOS DEON VILELA DE RESENDE, CNPCa; ANA CAROLINA CAMPANA NASCIMENTO, UFV. |
|
Título: |
A comparison of regression methods based on dimensional reduction for genomic prediction. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
Genetics and Molecular Research, v. 20, n. 2, p. 1-15, 2021. |
|
DOI: |
https://doi.org/10.4238/gmr18877 |
|
Idioma: |
Inglês |
|
Conteúdo: |
multicollinearity and high dimensionality problems, making it impossible to obtain stable estimates through the traditional method of estimation based on ordinary least squares. To overcome such challenges, dimensionality reduction methods have been proposed, because of their simple theory and easy application. We compared three dimensionality reduction methods: Principal Components Regression (PCR), Partial Least Squares (PLS), and Independent Components Regression (ICR). An important step for dimensionality reduction and prediction is selecting the number of components, as it affects the linear combinations of the explanatory variables. The linear combinations are inserted into the model to predict the response based on a reduced number of parameters. We examined the criteria for the selection of the number of components. The dimensionality reduction methods were applied to genomic and phenotype data. We evaluated 370 accessions of Asian rice, Oryza sativa, which were genotyped for 36,901 SNPs markers considered to predict the genomic values for the number of panicles per plant trait.This data set presented multicollinearity and high dimensionality. The computational time for each method was also recorded. Among the methods, PCR and ICR gave the highest accuracy values, with ICR standing out for presenting estimates of the least biased genomic values. However, ICR required more computational time than the other methodologies. |
|
Thesaurus NAL: |
Genomics; Regression analysis. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/230432/1/A-comparison-of-regression-methods.pdf
|
|
Marc: |
LEADER 02131naa a2200217 a 4500
001 2139234
005 2022-01-21
008 2021 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.4238/gmr18877$2DOI
100 1 $aCOSTA, J. A. da
245 $aA comparison of regression methods based on dimensional reduction for genomic prediction.$h[electronic resource]
260 $c2021
520 $amulticollinearity and high dimensionality problems, making it impossible to obtain stable estimates through the traditional method of estimation based on ordinary least squares. To overcome such challenges, dimensionality reduction methods have been proposed, because of their simple theory and easy application. We compared three dimensionality reduction methods: Principal Components Regression (PCR), Partial Least Squares (PLS), and Independent Components Regression (ICR). An important step for dimensionality reduction and prediction is selecting the number of components, as it affects the linear combinations of the explanatory variables. The linear combinations are inserted into the model to predict the response based on a reduced number of parameters. We examined the criteria for the selection of the number of components. The dimensionality reduction methods were applied to genomic and phenotype data. We evaluated 370 accessions of Asian rice, Oryza sativa, which were genotyped for 36,901 SNPs markers considered to predict the genomic values for the number of panicles per plant trait.This data set presented multicollinearity and high dimensionality. The computational time for each method was also recorded. Among the methods, PCR and ICR gave the highest accuracy values, with ICR standing out for presenting estimates of the least biased genomic values. However, ICR required more computational time than the other methodologies.
650 $aGenomics
650 $aRegression analysis
700 1 $aAZEVEDO, C. F.
700 1 $aNASCIMENTO, M.
700 1 $aSILVA, F. F. e
700 1 $aRESENDE, M. D. V. de
700 1 $aNASCIMENTO, A. C. C.
773 $tGenetics and Molecular Research$gv. 20, n. 2, p. 1-15, 2021.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Café (CNPCa) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
