| |
|
|
|
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 : 19 | |
| 2. |  | TEIXEIRA, A. L.; PRADO, P. E. R.; DIAS, K. O. das G.; MALTA, M. R.; GONÇALVES, F. M. A. Avaliação do teor de cafeína em folhas e grãos de acessos de café arábica. Separata de: Revista Ciência Agronômica, Fortaleza, v. 43, n. 1, p. 129-137, jan-mar, 2012.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 2 |
| Biblioteca(s): Embrapa Rondônia. |
|    |
| 3. | | ROSA, J. R. B. F.; GUIMARÃES, C. T.; MAGALHAES, J. V. de; DIAS, K. O. das G.; SILVA, L. da C. e; PASTINA, M. M. Aplicação da associação genômica no melhoramento de plantas. In: PEIXOTO, L. de A.; BHERING, L. L.; CRUZ, C. D. (ed.). Seleção genômica aplicada ao melhoramento genético. Viçosa, MG: Universidade Federal de Viçosa, 2022. p. 47-71.| Tipo: Capítulo em Livro Técnico-Científico |
| Biblioteca(s): Embrapa Milho e Sorgo. |
|  |
| 4. | | DIAS, K. O. das G.; GONÇALVES, F. M. A.; SOUZA SOBRINHO, F. de; BENITES, F. R. G.; TEIXEIRA, D. H. L.; NUNES, J. A. R. Número de repetições para avaliação de progênies de Brachiaria ruziziensis. In: CONGRESSO BRASILEIRO DE MELHORAMENTO DE PLANTAS, 7., 2013, Uberlândia. Variedade melhorada: a força da nossa agricultura: anais. Viçosa, MG: SBMP, 2013. p. 1110-1111| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Gado de Leite. |
| |
| 5. | | DIAS, K. O. das G.; GEZAN, S. A.; GUIMARAES, C. T.; NODA, R. W.; SOUZA, J. C. de; PASTINA, M. M.; GUIMARAES, L. J. M. Seleção genômica para tolerância ao déficit hídrico em milho. In: CONGRESSO NACIONAL DE MILHO E SORGO, 31., 2016, Bento Gonçalves. Milho e sorgo: inovações, mercados e segurança alimentar: anais. Sete Lagoas: Associação Brasileira de Milho e Sorgo, 2016.| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Milho e Sorgo. |
| |
| 8. | | DIAS, K. O. das G.; PASTINA, M. M.; GUIMARAES, P. E. de O.; SANTOS, J. R. P. dos; KRAUSE, M. D.; FERRÃO, L. F. V.; GARCIA, A. A. F. Application of multi-environment bayesian models to study genotype-by-environment interaction in maize. In: CONGRESSO BRASILEIRO DE MELHORAMENTO DE PLANTAS, 9., 2017, Foz do Iguaçu. Melhoramento de plantas: projetando o futuro. Foz do Iguaçu: SBMP, 2017. p. 149.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Milho e Sorgo. |
| |
| 9. | | KRAUSE, M. D.; DIAS, K. O. das G.; SANTOS, J. P. R. dos; OLIVEIRA, A. A. de; GUIMARAES, L. J. M.; PASTINA, M. M.; MARGARIDO, G. R. A.; GARCIA, A. A. F. Boosting predictive ability of tropical maize hybrids via genotype-by-environment interaction under multivariate GBLUP models. Crop Science, v. 60, n. 6, p. 3049-3065, 2020.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Milho e Sorgo. |
| |
| 10. | | 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. |
| |
| 11. | | PASTINA, M. M.; SILVA, R. R.; GUIMARAES, L. J. M.; GUIMARAES, C. T.; DIAS, K. O. das G.; SILVA, L. da C. e; MAGALHAES, J. V. de; GUIMARAES, P. E. de O.; PARENTONI, S. N.; GARCIA, A. A. F. Modelos GBLUP univariados e multivariados para seleção genômica para tolerância ao déficit hídrico em milho. Sete Lagoas: Embrapa Milho e Sorgo, 2016. 12 p. (Embrapa Milho e Sorgo. Circular Técnica, 223).| Biblioteca(s): Embrapa Milho e Sorgo. |
| |
| 12. | | SOUZA, V. F. de; RIBEIRO, P. C. de O.; VIEIRA JÚNIOR, I. C.; OLIVEIRA, I. C. M.; DAMASCENO, C. M. B.; SCHAFFERT, R. E.; PARRELLA, R. A. da C.; DIAS, K. O. das G.; PASTINA, M. M. Exploring genotype x environment interaction in sweet sorghum under tropical environments. Agronomy Journal, v. 113, p. 3005-3018, 2021.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Milho e Sorgo. |
| |
| 13. | | EVANGELISTA, J. S. P. C.; CHAVES, S. F. da S.; BHERING, E. L.; QUEIROZ, V. A. V.; SILVA, D. D. da; GUIMARAES, L. J. M.; DIAS, K. O. das G.; PASTINA, M. M. Seleção de genótipos de milho tropical com menor incidência de fumonisinas em grãos e alta produtividade via predição genômica. Sete Lagoas: Embrapa Milho e Sorgo, 2023. 17 p. (Embrapa Milho e Sorgo. Circular Técnica, 284).| Biblioteca(s): Embrapa Milho e Sorgo. |
| |
| 14. | | DIAS, K. O. das G.; GONÇALVES, F. M. A.; SOUZA SOBRINHO, F. de; NUNES, J. A. R.; TEIXEIRA, D. H. L.; MORAES, B. F. X. de; BENITES, F. R. G. Tamanho de parcela e efeito de bordadura no melhoramento de Urochloa ruziziensis. Pesquisa Agropecuária Brasileira, v. 48, n. 11, p. 1426-1431, 2013.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Gado de Leite; Embrapa Unidades Centrais. |
| |
| 15. | | DIAS, K. O. das G.; GEZAN, S. A.; GUIMARÃES, C. T.; NAZARIAN, A.; SILVA, L. da C. e; PARENTONI, S. N.; GUIMARAES, P. E. de O.; ANONI, C. de O.; PÁDUA, J. M. V.; PINTO, M. de O.; NODA, R. W.; RIBEIRO, C. A. G.; MAGALHAES, J. V. de; GARCIA, A. A. F.; SOUZA, J. C. de; GUIMARAES, L. J. M.; PASTINA, M. M. Improving accuracies of genomic predictions for drought tolerance in maize by joint modeling of additive and dominance effects in multi-environment trials. Heredity, London, v. 121, n. 1, p. 24-37, 2018.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Milho e Sorgo. |
| |
| 16. | | DIAS, K. O. das G.; GEZAN, S. A.; GUIMARAES, C. T.; MAGALHAES, J. V. de; GUIMARAES, P. E. de O.; CARNEIRO, N. P.; PORTUGAL, A. F.; BASTOS, E. A.; CARDOSO, M. J.; ANONI, C. de O.; SOUZA, J. C. de; GUIMARAES, L. J. M.; PASTINA, M. M. Estimating genotype X environment interaction for and genetic correlations among drought tolerance traits in maize via factor analytic multiplicative mixed models. Crop Science, Madison, v. 58, p. 72-83, Jan. 2018. Publicado online em 30 out. 2017.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Milho e Sorgo. |
| |
| 17. | | SILVA, K. J.; GUIMARÃES, C. T.; GUILHEN, J. H. S.; GUIMARAES, P. E. de O.; PARENTONI, S. N.; TRINDADE, R. dos S.; OLIVEIRA, A. A. de; BERNARDINO, K. da C.; PINTO, M. de O.; DIAS, K. O. das G.; BERNARDES, C. de O.; DIAS, L. A. dos S.; GUIMARAES, L. J. M.; PASTINA, M. M. High-density SNP-based genetic diversity and heterotic patterns of tropical maize breeding lines. Crop Science, v. 60, p. 779-787, 2020| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Milho e Sorgo. |
| |
| 18. | | PADUA, J. M. V.; DIAS, K. O. das G.; PASTINA, M. M.; SOUZA, J. C. de; QUEIROZ, V. A. V.; COSTA, R. V. da; SILVA, M. B. P. da; RIBEIRO, C. A. G.; GUIMARAES, C. T.; GEZAN, S. A.; GUIMARAES, L. J. M. A multi-environment trials diallel analysis provides insights on the inheritance of fumonisin contamination resistance in tropical maize. Euphytica, Dordrecht, v. 211, n. 3, p. 277-285, 2016| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 2 |
| Biblioteca(s): Embrapa Milho e Sorgo. |
| |
| 19. | | EVANGELISTA, J. S. P. C.; PEIXOTO, M. A.; COELHO, I. F.; FERREIRA, F. M.; MARÇAL, T. de S.; ALVES, R. S.; CHAVES, S. F. da S.; RODRIGUES, E. V.; LAVIOLA, B. G.; RESENDE, M. D. V. de; DIAS, K. O. das G.; BHERING, L. L. Modeling covariance structures and optimizing jatropha curcas breeding. Tree Genetics & Genomes, v. 19, 21, 2023. 11 p.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Agroenergia; Embrapa Café. |
| |
| Registros recuperados : 19 | |
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
