Portal do Governo Brasileiro
BDPA - Bases de Dados da Pesquisa Agropecuária Embrapa
 






Registro Completo
Biblioteca(s):  Embrapa Milho e Sorgo.
Data corrente:  07/10/2013
Data da última atualização:  16/05/2019
Autoria:  DAVID, D. V.; FARIA, L. A. L.
Afiliação:  DEMERVAL VIANA DAVID, SPM GGE; LUIZ ANTONIO LAUDARES FARIA, SPM E Sete Lagoas.
Título:  Plano de marketing: milho BRS 1060.
Ano de publicação:  2012
Fonte/Imprenta:  Sete Lagoas: Embrapa Milho e Sorgo: Serviços Negócios Tecnológicos; Uberaba: Fundação Triângulo, 2012.
Idioma:  Português
Thesagro:  Produção vegetal; Semente; Variedade; Zea mays.
Categoria do assunto:  --
URL:  https://ainfo.cnptia.embrapa.br/digital/bitstream/item/197363/1/Plano-marketing-BRS-1060.pdf
Marc:  Mostrar Marc Completo
Registro original:  Embrapa Milho e Sorgo (CNPMS)
Biblioteca ID Origem Tipo/Formato Classificação Cutter Registro Volume Status URL
CNPMS25380 - 1UMTFL - PPFOL.0706FOL.0706
Voltar






Registro Completo

Biblioteca(s):  Embrapa Agricultura Digital.
Data corrente:  07/03/2007
Data da última atualização:  17/05/2017
Autoria:  BORRO, L. C.; OLIVEIRA, S. R. M.; YAMAGISHI, M. E. B.; MANCINI, A. L.; JARDINE, J. G.; MAZONI, I.; SANTOS, E. H. dos; HIGA, R. H.; KUSER, P. R.; NESHICH, G.
Afiliação:  LUIZ C. BORRO, CNPTIA; STANLEY ROBSON DE MEDEIROS OLIVEIRA, CNPTIA; MICHEL EDUARDO BELEZA YAMAGISHI, CNPTIA; ADAUTO LUIZ MANCINI, CNPTIA; JOSE GILBERTO JARDINE, CNPTIA; IVAN MAZONI, CNPTIA; EDGARD HENRIQUE DOS SANTOS, CNPTIA; ROBERTO HIROSHI HIGA, CNPTIA; PAULA REGINA KUSER FALCAO, CNPTIA; GORAN NESHICH, CNPTIA.
Título:  Predicting enzyme class from protein structure using Bayesian classification.
Ano de publicação:  2006
Fonte/Imprenta:  Genetics and Molecular Research, v. 5, n. 1, p. 193-202, 2006.
Idioma:  Inglês
Conteúdo:  ABSTRACT. Predicting enzyme class from protein structure parameters is a challenging problem in protein analysis. We developed a method to predict enzyme class that combines the strengths of statistical and data-mining methods. This method has a strong mathematical foundation and is simple to implement, achieving an accuracy of 45%. A comparison with the methods found in the literature designed to predict enzyme class showed that our method outperforms the existing methods.
Palavras-Chave:  Bayesian classification; Bayesian classifier; Bioinformática; Classe de enzima; Data classification; Enzyme classification number; Estrutura de proteína; Naive Bayes; Protein function prediction.
Thesaurus NAL:  Bioinformatics; Protein structure.
Categoria do assunto:  X Pesquisa, Tecnologia e Engenharia
URL:  https://ainfo.cnptia.embrapa.br/digital/bitstream/item/159942/1/AP-Predicting-Borro-GMR-2006.pdf
Marc:  Mostrar Marc Completo
Registro original:  Embrapa Agricultura Digital (CNPTIA)
Biblioteca ID Origem Tipo/Formato Classificação Cutter Registro Volume Status
CNPTIA11424 - 2UPCAP - DD
Fechar
Expressão de busca inválida. Verifique!!!
 
 

Embrapa
Todos os direitos reservados, conforme Lei n° 9.610
Política de Privacidade
Área Restrita

Embrapa Agricultura Digital
Av. André Tosello, 209 - Barão Geraldo
Caixa Postal 6041- 13083-886 - Campinas, SP
SAC: https://www.embrapa.br/fale-conosco

Valid HTML 4.01 Transitional