| |
|
|
|
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
|
|
|
| Registros recuperados : 77 | |
| 61. |  | SOUSA, I. C. de; NASCIMENTO, M.; SILVA, G. N.; NASCIMENTO, A. C. C.; CRUZ, C. D.; SILVA, F. F. e; ALMEIDA, D. P. de; PESTANA, K. N.; AZEVEDO, C. F.; ZAMBOLIM, L.; CAIXETA, E. T. Genomic prediction of leaf rust resistance to Arabica coffee using machine learning algorithms. Scientia Agricola, v. 78, n. 4, e20200021, 2021.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Café. |
|    |
| 62. | | 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. Genomic prediction in multi-environment trials in maize using statistical and machine learning methods. Scientific Reports, v. 14, 1062, 2024.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Milho e Sorgo. |
| |
| 63. | | ROCHA, M. do S.; OLIVEIRA, M. I. P. de; MEDEIROS, C.; AZEVEDO, C. F. de; BELTRÃO, N. E. de M.; CARVALHO, J. M. F. C.; ALMEIDA, F. de A. C.; NASCIMENTO, L. C.; BRUNO, R. de L. A. Fungos associados a sementes de mamoneira cultivadas na região de Barbalha, CE, safra 2007. In: CONGRESSO BRASILEIRO DE MAMONA, 3., 2008, Salvador. Energia e ricinoquímica: resumos. Salvador: SEAGRI: Embrapa Algodão, 2008. p. 50| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Algodão. |
| |
| 64. | | ROCHA, M. do S.; OLIVEIRA, M. I. P. de; MEDEIROS, C.; AZEVEDO, C. F. de; BELTRÃO, N. E. de M.; CARVALHO, J. M. F. C.; ALMEIDA, F. de A. C.; NASCIMENTO, L. C.; BRUNO, R. de L. A. Fungos associados a sementes de mamoneira cultivadas na região de Barbalha, CE, safra 2007. In: CONGRESSO BRASILEIRO DE MAMONA, 3., 2008, Salvador. Energia e ricinoquímica: anais. Salvador: SEAGRI: Embrapa Algodão, 2008. 1 CD-ROM| Tipo: Artigo em Anais de Congresso / Nota Técnica |
| Biblioteca(s): Embrapa Algodão. |
| |
| 65. | | AZEVEDO, C. F.; SILVA, F. F.; RESENDE, M. D. V. de; LOPES, M. S.; DUIJVESTEINJN, N.; GUIMARÃES, S. E. F.; LOPES, P. S.; KELLY, M. J.; VIANA, J. M. S.; KNOL, E. F. Supervised independent component analysis as an alternative method for genomic selection in pigs. Journal of Animal Breeding and Genetics, v. 131, p. 452-461, 2014.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 2 |
| Biblioteca(s): Embrapa Florestas. |
|  |
| 66. | | OLIVEIRA, M. I. P. de; ROCHA, M. do S.; SANTOS, S. R. N. dos; BELTRÃO, N. E. de M.; ALMEIDA, F. de A. de C.; AZEVEDO, C. F. de; LIMA, M. S. R. Substrato, temperatura de germinação e desenvolvimento inicial de Antirrhinum majus L. In: CONGRESSO BRASILEIRO DE FISIOLOGIA VEGETAL, 12., 2009, Fortaleza. Desafios para produção de alimentos e bioenergia. Fortaleza: SBFV: UFC: Embrapa Agroindústria Tropical, 2009.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Algodão. |
| |
| 67. | | MARINHO, C. D.; ALMEIDA FILHO, J. E. de; AZEVEDO, C. F.; RESENDE, M. D. V. de; SILVA, F. F. e; FERREIRA, K. C. Z.; ROSSE, L. N.; SANSALONI, C. P.; PETROLLI, C. D.; GRATTAPAGLIA, D. Validação cruzada e independente na seleção genômica ampla. In: CONGRESSO BRASILEIRO DE MELHORAMENTO DE PLANTAS, 7., 2013, Uberlândia. Variedade melhorada: a força da nossa agricultura: anais. Viçosa, MG: SBMP, 2013. p. 84-87.| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Florestas. |
| |
| 68. | | MIRANDA, T. L. R.; RESENDE, M. D. V. de; AZEVEDO, C. F.; NUNES, A. C. P.; TAKAHASHI, E. K.; SIMIQUELI, G. F.; SILVA, F. F. e; ALVES, R. S. Evaluation of a new additive-dominance genomic model and implications for quantitative genetics and genomic selection. Scientia Agricola, v. 79, n. 6, p. 1-7, 2022.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Café. |
| |
| 69. | | OLIVEIRA, G. F.; NASCIMENTO, A. C. C.; AZEVEDO, C. F.; CELERI, M. de O.; BARROSO, L. M. A.; SANT’ANNA, I. de C.; VIANA, J. M. S.; RESENDE, M. D. V. de; NASCIMENTO, M. Population size in QTL detection using quantile regression in genome‑wide association studies. Scientific Reports, v. 13, Article 9585, 2023. 10 p.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Café. |
| |
| 70. | | 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.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 2 |
| Biblioteca(s): Embrapa Florestas. |
| |
| 71. | | BARROSO, L. M. A.; NASCIMENTO, M.; NASCIMENTO, A. C. C.; SILVA, F. F.; SERÃO, N. V. L.; CRUZ, C. D.; RESENDE, M. D. V. de; SILVA, F. L.; AZEVEDO, C. F.; LOPES, P. S.; GUIMARÃES, S. E. F. Regularized quantile regression for SNP marker estimation of pig growth curves. Journal of Animal Science and Biotechnology, v. 8, n. 59, 2017. 9 p.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Florestas. |
| |
| 72. | | 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.| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Florestas. |
| |
| 73. | | 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.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Café. |
| |
| 74. | | SOUSA, I. C. de; NASCIMENTO, M.; SANT’ANNA, I. de C.; CAIXETA, E. T.; AZEVEDO, C. F.; CRUZ, C. D.; SILVA, F. L. da; ALKIMIM, E. R.; NASCIMENTO, A. C. C.; SERÃO, N. V. L. Marker effects and heritability estimates using additive-dominance genomic architectures via artificial neural networks in Coffea canephora. Plos One, v. 17, n.1, e0262055, 2022.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Café. |
| |
| 75. | | MARINHO, C. D.; ALMEIDA FILHO, J. E. de; AZEVEDO, C. F.; RESENDE, M. D. V. de; SILVA, F. F. e; FERREIRA, K. C. Z.; ROSSE, L. N.; SANSALONI, C. P.; PETROLLI, C. D.; GRATTAPAGLIA, D. Validação cruzada e independente na seleção genômica ampla. In: CONGRESSO BRASILEIRO DE MELHORAMENTO DE PLANTAS, 7., 2013, Uberlândia. Variedade melhorada: a força da nossa agricultura: anais. Viçosa, MG: SBMP, 2013. p. 84-87.| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Recursos Genéticos e Biotecnologia. |
| |
| 76. | | 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.| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Recursos Genéticos e Biotecnologia. |
| |
| 77. | | TEIXEIRA, F. R. F.; NASCIMENTO, M.; NASCIMENTO, A. C. C.; SILVA, F. F. e; CRUZ, C. D.; AZEVEDO, C. F.; PAIXÃO, D. M.; BARROSO, L. M. A.; VERARDO, L. L.; RESENDE, M. D. V. de; GUIMARÃES, S. E. F.; LOPES, P. S. Factor analysis applied to genome prediction for high-dimensional phenotypes in pigs. Genetics and Molecular Research, v. 15, n. 2, 2016. 10 p.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Florestas. |
| |
| Registros recuperados : 77 | |
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
