| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Meio-Norte. |
|
Data corrente: |
27/02/2013 |
|
Data da última atualização: |
27/02/2013 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
SILVA, A. C. da; MORAIS, O. M.; SANTOS, J. L.; SILVA, E. A. A. da; ROCHA, M. de M.; MORAIS, C. B. de; D'AREDE, L. O. |
|
Afiliação: |
ALEXANDRE CARNEIRO DA SILVA, UNESP, Botucatu, SP; OTONIEL MAGALHAES MORAIS, Vitória da Conquista, BA; JERFFSON LUCAS SANTOS, UESB, Vitória da Conquista, BA; EDVALDO APARECIDO AMARAL DA SILVA, UNESP, Botucatu, SP; MAURISRAEL DE MOURA ROCHA, CPAMN; CRISTIANO BUENO DE MORAIS, UNESP, Botucatu, SP; LUCIALDO OLIVEIRA D'AREDE, UESB, Vitória da Conquista, BA. |
|
Título: |
Variabilidade genética para caracteres de rendimento e seus componentes em feijão caupi. |
|
Ano de publicação: |
2012 |
|
Fonte/Imprenta: |
In: CONGRESSO BRASILEIRO DE RECURSOS GENÉTICOS, 2., 2012, Belém, PA. Anais... Brasília, DF: Sociedade Brasileira de Recursos Genéticos, 2012. |
|
Páginas: |
5 p. |
|
Descrição Física: |
1 CD-ROM. |
|
Idioma: |
Português |
|
Conteúdo: |
O feijão-caupi (Vigna unguiculata (L.) Walp.) é uma leguminosa de grande importância alimentar, econômica e social, tradicionalmente cultivada por agricultores familiares do Nordeste do Brasil, cujo cultivo tem se expandido para as regiões Centro-Oeste e Sudeste do País, devido ao melhoramento genético da espécie. O presente trabalho teve como objetivo estudar a variabilidade genética para caracteres de rendimento da produção em feijão-caupi. Para isso, um experimento foi conduzido com oito genótipos (BRS Marataoã, BRS Paraguaçu, BRS Pajeú, BRS Xiquexique, BRS Guariba, BRS Potengi, BRS Cauamé e BRS Itaim) e quatro repetições, no delineamento estatístico de blocos ao acaso. Foram avaliados os caracteres número de vagens por planta (NVP), número de sementes por vagem (NSV), peso de cem sementes (PCS) e produtividade (PROD). Os genótipos apresentaram variabilidade genética para os caracteres estudados e a possibilidade de seleção e ganhos adicionais no melhoramento genético da espécie. |
|
Palavras-Chave: |
Componentes de produção. |
|
Thesagro: |
Melhoramento Vegetal; Vigna Unguiculata. |
|
Categoria do assunto: |
G Melhoramento Genético |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/77531/1/9710001.pdf
|
|
Marc: |
LEADER 01800nam a2200229 a 4500
001 1951522
005 2013-02-27
008 2012 bl uuuu u00u1 u #d
100 1 $aSILVA, A. C. da
245 $aVariabilidade genética para caracteres de rendimento e seus componentes em feijão caupi.
260 $aIn: CONGRESSO BRASILEIRO DE RECURSOS GENÉTICOS, 2., 2012, Belém, PA. Anais... Brasília, DF: Sociedade Brasileira de Recursos Genéticos$c2012
300 $a5 p.$c1 CD-ROM.
520 $aO feijão-caupi (Vigna unguiculata (L.) Walp.) é uma leguminosa de grande importância alimentar, econômica e social, tradicionalmente cultivada por agricultores familiares do Nordeste do Brasil, cujo cultivo tem se expandido para as regiões Centro-Oeste e Sudeste do País, devido ao melhoramento genético da espécie. O presente trabalho teve como objetivo estudar a variabilidade genética para caracteres de rendimento da produção em feijão-caupi. Para isso, um experimento foi conduzido com oito genótipos (BRS Marataoã, BRS Paraguaçu, BRS Pajeú, BRS Xiquexique, BRS Guariba, BRS Potengi, BRS Cauamé e BRS Itaim) e quatro repetições, no delineamento estatístico de blocos ao acaso. Foram avaliados os caracteres número de vagens por planta (NVP), número de sementes por vagem (NSV), peso de cem sementes (PCS) e produtividade (PROD). Os genótipos apresentaram variabilidade genética para os caracteres estudados e a possibilidade de seleção e ganhos adicionais no melhoramento genético da espécie.
650 $aMelhoramento Vegetal
650 $aVigna Unguiculata
653 $aComponentes de produção
700 1 $aMORAIS, O. M.
700 1 $aSANTOS, J. L.
700 1 $aSILVA, E. A. A. da
700 1 $aROCHA, M. de M.
700 1 $aMORAIS, C. B. de
700 1 $aD'AREDE, L. O.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Meio-Norte (CPAMN) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
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: |
16/12/2019 |
|
Data da última atualização: |
16/12/2019 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 2 |
|
Autoria: |
SILVEIRA, L. S.; MARTINS FILHO, S.; AZEVEDO, C. F.; BARBOSA, E. C.; RESENDE, M. D. V. de; TAKAHASHI, E. K. |
|
Afiliação: |
L. S. Silveira, UFV; S. Martins Filho, UFV; C. F. Azevedo, UFV; E. C. Barbosa, UFV; MARCOS DEON VILELA DE RESENDE, CNPF; E. K. Takahashi, CENIBRA. |
|
Título: |
Bayesian models applied to genomic selection for categorical traits. |
|
Ano de publicação: |
2019 |
|
Fonte/Imprenta: |
Genetics and Molecular Research, v. 18, n. 4: gmr18490, 2019. 10 p. |
|
DOI: |
10.4238/gmr18490 |
|
Idioma: |
Inglês |
|
Conteúdo: |
We compared two statistical methodologies applied to genetic and genomic analyses of categorical traits. The first one consists of a Bayesian approach to the Bayesian Linear Mixed Model (BLMM), which addresses the statistical problems of genomic prediction. The second methodology, called Bayesian Generalized Linear Mixed Model (BGLMM) is similar, but it is used when the distribution of the response variable is not Gaussian, as in the case of disease resistance phenotype categories. These models were compared according to predictive ability, bias, computational time and cross validation error rate (CVER). Additionally, an alternative classification method for the BLMM was proposed, which allowed us to obtain the CVER for this model. Estimates of the genetic parameters were obtained using BLASSO (Bayesian Least Absolute Shrinkage and Selection Operator) and Bayesian G-BLUP (Genomic Best Linear Unbiased Prediction) estimation methods applied to BLMM and BGLMM. The models were applied in two scenarios, with two and four classes for the phenotype of resistance to rust disease caused by the pathogen Puccinia psidii and classified as reaction types (two classes) and infection levels (four classes) recorded for 559 trees of Eucalyptus urophylla with 24,806 SNP markers. Modeling this trait through SNPs allow the next generation of plants to be selected early, reducing time and costs. We found the same predictive ability for both models and a bias value closer to the ideal for BLMM (GBLUP). The BGLMM had the best CVER (0.29 against 0.32 and 0.47 against 0.51 for 2 and 4 categories, respectively), BLMM had a three times shorter computational time, and though BLMM is not the most appropriate model for handling categorical data, this model presented similar responses to BGLMM. Thus, we consider it as an appropriate alternative for categorical data modeling. MenosWe compared two statistical methodologies applied to genetic and genomic analyses of categorical traits. The first one consists of a Bayesian approach to the Bayesian Linear Mixed Model (BLMM), which addresses the statistical problems of genomic prediction. The second methodology, called Bayesian Generalized Linear Mixed Model (BGLMM) is similar, but it is used when the distribution of the response variable is not Gaussian, as in the case of disease resistance phenotype categories. These models were compared according to predictive ability, bias, computational time and cross validation error rate (CVER). Additionally, an alternative classification method for the BLMM was proposed, which allowed us to obtain the CVER for this model. Estimates of the genetic parameters were obtained using BLASSO (Bayesian Least Absolute Shrinkage and Selection Operator) and Bayesian G-BLUP (Genomic Best Linear Unbiased Prediction) estimation methods applied to BLMM and BGLMM. The models were applied in two scenarios, with two and four classes for the phenotype of resistance to rust disease caused by the pathogen Puccinia psidii and classified as reaction types (two classes) and infection levels (four classes) recorded for 559 trees of Eucalyptus urophylla with 24,806 SNP markers. Modeling this trait through SNPs allow the next generation of plants to be selected early, reducing time and costs. We found the same predictive ability for both models and a bias value closer to the ideal for BLMM (G... Mostrar Tudo |
|
Palavras-Chave: |
Bayesian inference; Statistical methods. |
|
Thesagro: |
Melhoramento Genético Vegetal. |
|
Thesaurus NAL: |
Genetic improvement; Plant breeding. |
|
Categoria do assunto: |
G Melhoramento Genético |
|
Marc: |
LEADER 02649naa a2200253 a 4500
001 2116962
005 2019-12-16
008 2019 bl uuuu u00u1 u #d
024 7 $a10.4238/gmr18490$2DOI
100 1 $aSILVEIRA, L. S.
245 $aBayesian models applied to genomic selection for categorical traits.$h[electronic resource]
260 $c2019
520 $aWe compared two statistical methodologies applied to genetic and genomic analyses of categorical traits. The first one consists of a Bayesian approach to the Bayesian Linear Mixed Model (BLMM), which addresses the statistical problems of genomic prediction. The second methodology, called Bayesian Generalized Linear Mixed Model (BGLMM) is similar, but it is used when the distribution of the response variable is not Gaussian, as in the case of disease resistance phenotype categories. These models were compared according to predictive ability, bias, computational time and cross validation error rate (CVER). Additionally, an alternative classification method for the BLMM was proposed, which allowed us to obtain the CVER for this model. Estimates of the genetic parameters were obtained using BLASSO (Bayesian Least Absolute Shrinkage and Selection Operator) and Bayesian G-BLUP (Genomic Best Linear Unbiased Prediction) estimation methods applied to BLMM and BGLMM. The models were applied in two scenarios, with two and four classes for the phenotype of resistance to rust disease caused by the pathogen Puccinia psidii and classified as reaction types (two classes) and infection levels (four classes) recorded for 559 trees of Eucalyptus urophylla with 24,806 SNP markers. Modeling this trait through SNPs allow the next generation of plants to be selected early, reducing time and costs. We found the same predictive ability for both models and a bias value closer to the ideal for BLMM (GBLUP). The BGLMM had the best CVER (0.29 against 0.32 and 0.47 against 0.51 for 2 and 4 categories, respectively), BLMM had a three times shorter computational time, and though BLMM is not the most appropriate model for handling categorical data, this model presented similar responses to BGLMM. Thus, we consider it as an appropriate alternative for categorical data modeling.
650 $aGenetic improvement
650 $aPlant breeding
650 $aMelhoramento Genético Vegetal
653 $aBayesian inference
653 $aStatistical methods
700 1 $aMARTINS FILHO, S.
700 1 $aAZEVEDO, C. F.
700 1 $aBARBOSA, E. C.
700 1 $aRESENDE, M. D. V. de
700 1 $aTAKAHASHI, E. K.
773 $tGenetics and Molecular Research$gv. 18, n. 4: gmr18490, 2019. 10 p.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Florestas (CNPF) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
