| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Arroz e Feijão. |
|
Data corrente: |
29/05/2022 |
|
Data da última atualização: |
12/04/2024 |
|
Tipo da produção científica: |
Capítulo em Livro Técnico-Científico |
|
Autoria: |
CROSSA, J.; MONTESINOS-LÓPEZ, O. A.; PÉREZ-RODRÍGUEZ, P.; COSTA-NETO, G.; FRITSCHE-NETO, R.; ORTIZ, R.; MARTINI, J. W. R.; LILLEMO, M.; MONTESINOS-LÓPEZ, A.; JARQUIN, D.; BRESEGHELLO, F.; CUEVAS, J.; RINCENT, R. |
|
Afiliação: |
JOSE CROSSA, CIMMYT; OSVAL ANTONIO MONTESINOS-LOPEZ, UNIVERSIDAD DE COLIMA, México; PAULINO PEREZ-RODRIGUEZ, COLEGIO DE POSTGRADUADOS, Montecillos-Mexico; GERMANO COSTA-NETO, ESALQ; ROBERTO FRITSCHE-NETO, ESALQ; RODOMIRO ORTIZ, SWEDISH UNIVERSITY OF AGRICULTURAL SCIENCES, Alnarp-Sweden; JOHANNES W. R. MARTINI, CIMMYT; MORTEN LILLEMO, NORWEGIAN UNIVERSITY OF LIFE SCIENCES, Norway; ABELARDO MONTESINOS-LOPEZ, CENTRO DE INVESTIGACIÓN EN MATEMÁTICAS, Guanajuato-Mexico; DIEGO JARQUIN, UNIVERSITY OF NEBRASKA, Lincoln-NE; FLAVIO BRESEGHELLO, CNPAF; JAIME CUEVAS, UNIVERSIDAD DE QUINTANA ROO, Quintana Roo-Mexico; RENAUD RINCENT, INRAE, Clermont-Ferrand-France. |
|
Título: |
Genome and environment based prediction models and methods of complex traits incorporating genotype × environment interaction. |
|
Ano de publicação: |
2022 |
|
Fonte/Imprenta: |
In: AHMADI, N.; BARTHOLOME, J. (ed.). Genomic prediction of complex traits: methods and protocols. New York: Humana Press, 2022. |
|
Páginas: |
p. 245-283. |
|
Série: |
(Methods in Molecular Biology). |
|
ISBN: |
978-1-0716-2205-6 |
|
DOI: |
https://doi.org/10.1007/978-1-0716-2205-6_9 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Genomic-enabled prediction models are of paramount importance for the successful implementation of genomic selection (GS) based on breeding values. As opposed to animal breeding, plant breeding includes extensive multienvironment and multiyear field trial data. Hence, genomic-enabled prediction models should include genotype × environment (G × E) interaction, which most of the time increases the prediction performance when the response of lines are different from environment to environment. In this chapter, we describe a historical timeline since 2012 related to advances of the GS models that take into account G × E interaction. We describe theoretical and practical aspects of those GS models, including the gains in prediction performance when including G × E structures for both complex continuous and categorical scale traits. Then, we detailed and explained the main G × E genomic prediction models for complex traits measured in continuous and noncontinuous (categorical) scale. Related to G × E interaction models this review also examine the analyses of the information generated with high-throughput phenotype data (phenomic) and the joint analyses of multitrait and multienvironment field trial data that is also employed in the general assessment of multitrait G × E interaction. The inclusion of nongenomic data in increasing the accuracy and biological reliability of the G × E approach is also outlined. We show the recent advances in large-scale envirotyping (enviromics), and how the use of mechanistic computational modeling can derive the crop growth and development aspects useful for predicting phenotypes and explaining G × E. MenosGenomic-enabled prediction models are of paramount importance for the successful implementation of genomic selection (GS) based on breeding values. As opposed to animal breeding, plant breeding includes extensive multienvironment and multiyear field trial data. Hence, genomic-enabled prediction models should include genotype × environment (G × E) interaction, which most of the time increases the prediction performance when the response of lines are different from environment to environment. In this chapter, we describe a historical timeline since 2012 related to advances of the GS models that take into account G × E interaction. We describe theoretical and practical aspects of those GS models, including the gains in prediction performance when including G × E structures for both complex continuous and categorical scale traits. Then, we detailed and explained the main G × E genomic prediction models for complex traits measured in continuous and noncontinuous (categorical) scale. Related to G × E interaction models this review also examine the analyses of the information generated with high-throughput phenotype data (phenomic) and the joint analyses of multitrait and multienvironment field trial data that is also employed in the general assessment of multitrait G × E interaction. The inclusion of nongenomic data in increasing the accuracy and biological reliability of the G × E approach is also outlined. We show the recent advances in large-scale envirotyping (enviromics), and... Mostrar Tudo |
|
Palavras-Chave: |
Genome-enabled prediction; Genomic selection; Models with G x E interaction. |
|
Thesagro: |
Genótipo; Interação Genética; Melhoramento Genético Vegetal. |
|
Thesaurus Nal: |
Genome; Genomics; Genotype-environment interaction; Plant breeding. |
|
Categoria do assunto: |
G Melhoramento Genético |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1143533/1/cap9-2022.pdf
|
|
Marc: |
LEADER 03084naa a2200433 a 4500
001 2143533
005 2024-04-12
008 2022 bl uuuu u00u1 u #d
020 $a978-1-0716-2205-6
024 7 $ahttps://doi.org/10.1007/978-1-0716-2205-6_9$2DOI
100 1 $aCROSSA, J.
245 $aGenome and environment based prediction models and methods of complex traits incorporating genotype × environment interaction.$h[electronic resource]
260 $c2022
300 $ap. 245-283.
490 $a(Methods in Molecular Biology).
520 $aGenomic-enabled prediction models are of paramount importance for the successful implementation of genomic selection (GS) based on breeding values. As opposed to animal breeding, plant breeding includes extensive multienvironment and multiyear field trial data. Hence, genomic-enabled prediction models should include genotype × environment (G × E) interaction, which most of the time increases the prediction performance when the response of lines are different from environment to environment. In this chapter, we describe a historical timeline since 2012 related to advances of the GS models that take into account G × E interaction. We describe theoretical and practical aspects of those GS models, including the gains in prediction performance when including G × E structures for both complex continuous and categorical scale traits. Then, we detailed and explained the main G × E genomic prediction models for complex traits measured in continuous and noncontinuous (categorical) scale. Related to G × E interaction models this review also examine the analyses of the information generated with high-throughput phenotype data (phenomic) and the joint analyses of multitrait and multienvironment field trial data that is also employed in the general assessment of multitrait G × E interaction. The inclusion of nongenomic data in increasing the accuracy and biological reliability of the G × E approach is also outlined. We show the recent advances in large-scale envirotyping (enviromics), and how the use of mechanistic computational modeling can derive the crop growth and development aspects useful for predicting phenotypes and explaining G × E.
650 $aGenome
650 $aGenomics
650 $aGenotype-environment interaction
650 $aPlant breeding
650 $aGenótipo
650 $aInteração Genética
650 $aMelhoramento Genético Vegetal
653 $aGenome-enabled prediction
653 $aGenomic selection
653 $aModels with G x E interaction
700 1 $aMONTESINOS-LÓPEZ, O. A.
700 1 $aPÉREZ-RODRÍGUEZ, P.
700 1 $aCOSTA-NETO, G.
700 1 $aFRITSCHE-NETO, R.
700 1 $aORTIZ, R.
700 1 $aMARTINI, J. W. R.
700 1 $aLILLEMO, M.
700 1 $aMONTESINOS-LÓPEZ, A.
700 1 $aJARQUIN, D.
700 1 $aBRESEGHELLO, F.
700 1 $aCUEVAS, J.
700 1 $aRINCENT, R.
773 $tIn: AHMADI, N.; BARTHOLOME, J. (ed.). Genomic prediction of complex traits: methods and protocols. New York: Humana Press, 2022.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Arroz e Feijão (CNPAF) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Arroz e Feijão. |
|
Data corrente: |
14/01/2000 |
|
Data da última atualização: |
11/05/2024 |
|
Tipo da produção científica: |
Folder/Folheto/Cartilha |
|
Autoria: |
STONE, L. F.; SILVA, S. C. da. |
|
Afiliação: |
LUIS FERNANDO STONE, CNPAF; SILVANDO CARLOS DA SILVA, CNPAF. |
|
Título: |
Uso do tanque classe A no controle da irrigação do feijoeiro no sistema plantio direto. |
|
Ano de publicação: |
1999 |
|
Fonte/Imprenta: |
Santo Antônio de Goiás: Embrapa Arroz e Feijão, 1999. |
|
Páginas: |
2 p. |
|
Série: |
(Embrapa Arroz e Feijão. Pesquisa em foco, 25). |
|
ISSN: |
1415-2304 |
|
Idioma: |
Português |
|
Conteúdo: |
Para que o controle da irrigação do feijoeiro seja eficiente e necessário conhecer a quantidade de água requerida pela cultura para qua o seu crescimento e desenvolvimento não sejam afetados. A evapotranspiração máxima (ETm) e utilizada como medida deste requerimento. Na determinação da ETm, utilizando a evapotranspiração de referência (ETo) estimada com o uso do tanque Classe A, faz-se necessário o conhecimento dos coeficientes de cultura (Kc) para as diferentes fases de desenvolvimento do feijoeiro. A semeadura direta do feijoeiro irrigado por aspersão vem tendo aceitação cada vez maior na região do Cerrado, apresentando características diferenciais quanto a economia de água em comparação ao sistema convencional de preparo do solo. Assim, torna-se necessário a determinação dos coeficientes de cultura do feijoeiro para o sistema plantio direto, sendo este o objetivo do trabalho. |
|
Palavras-Chave: |
Bean; Class A pan; Control; Controle; Direct sowing; Direto; Feijoeiro; Sistema; Tanque Classe A; Utilização; Zero tillage. |
|
Thesagro: |
Água de Irrigação; Cerrado; Feijão; Irrigação; Phaseolus Vulgaris; Plantio; Plantio Direto; Tanque. |
|
Thesaurus NAL: |
beans; irrigation; kidney beans. |
|
Categoria do assunto: |
--
F Plantas e Produtos de Origem Vegetal |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/26172/1/pqfoco25.pdf
|
|
Marc: |
LEADER 02002nam a2200421 a 4500
001 1206642
005 2024-05-11
008 1999 bl uuuu u0uu1 u #d
022 $a1415-2304
100 1 $aSTONE, L. F.
245 $aUso do tanque classe A no controle da irrigação do feijoeiro no sistema plantio direto.
260 $aSanto Antônio de Goiás: Embrapa Arroz e Feijão$c1999
300 $a2 p.
490 $a(Embrapa Arroz e Feijão. Pesquisa em foco, 25).
520 $aPara que o controle da irrigação do feijoeiro seja eficiente e necessário conhecer a quantidade de água requerida pela cultura para qua o seu crescimento e desenvolvimento não sejam afetados. A evapotranspiração máxima (ETm) e utilizada como medida deste requerimento. Na determinação da ETm, utilizando a evapotranspiração de referência (ETo) estimada com o uso do tanque Classe A, faz-se necessário o conhecimento dos coeficientes de cultura (Kc) para as diferentes fases de desenvolvimento do feijoeiro. A semeadura direta do feijoeiro irrigado por aspersão vem tendo aceitação cada vez maior na região do Cerrado, apresentando características diferenciais quanto a economia de água em comparação ao sistema convencional de preparo do solo. Assim, torna-se necessário a determinação dos coeficientes de cultura do feijoeiro para o sistema plantio direto, sendo este o objetivo do trabalho.
650 $abeans
650 $airrigation
650 $akidney beans
650 $aÁgua de Irrigação
650 $aCerrado
650 $aFeijão
650 $aIrrigação
650 $aPhaseolus Vulgaris
650 $aPlantio
650 $aPlantio Direto
650 $aTanque
653 $aBean
653 $aClass A pan
653 $aControl
653 $aControle
653 $aDirect sowing
653 $aDireto
653 $aFeijoeiro
653 $aSistema
653 $aTanque Classe A
653 $aUtilização
653 $aZero tillage
700 1 $aSILVA, S. C. da
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Arroz e Feijão (CNPAF) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
