| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agroindústria de Alimentos. |
|
Data corrente: |
13/02/2017 |
|
Data da última atualização: |
17/04/2017 |
|
Tipo da produção científica: |
Documentos |
|
Autoria: |
NASCIMENTO NETO, F. do; ALVARENGA, A. L. B.; MACHADO, R. L. P.; DUTRA, A. de S.; MONTEIRO, R. P.; PINTO, M. S. V.; PEREIRA, A. R. |
|
Afiliação: |
FENELON DO NASCIMENTO NETO, CTAA; ANDRE LUIS BONNET ALVARENGA, CTAA; ROBERTO LUIZ PIRES MACHADO, CTAA; ANDRE DE SOUZA DUTRA, CTAA; RODRIGO PARANHOS MONTEIRO, CTAA; MAURO SERGIO VIANELLO PINTO, CTAA; Alba Regina Pereira. |
|
Título: |
Manual para Internalização das Boas Práticas de Fabricação em agroindústrias familiares. |
|
Ano de publicação: |
2016 |
|
Fonte/Imprenta: |
Rio de Janeiro: Embrapa Agroindústria de Alimentos, 2016. |
|
Páginas: |
48 p. |
|
Série: |
(Embrapa Agroindústria de Alimentos. Documentos, 127). |
|
ISSN: |
1516-8247 |
|
Idioma: |
Português |
|
Conteúdo: |
A Agricultura Familiar demanda por segurança e qualidade na produção de alimentos. Conhecer o processo de internalização das Boas Práticas de Fabricação nas agroindústrias familiares torna-se essencial para as atividades realizadas junto às agroindústrias, pelos técnicos da linha de frente. O método de internalização das BPF proposto trabalha em sobreposição a um processo que envolve a caracterização da agroindústria familiar e seus componentes de comunicação interna. O passo a passo dos trabalhos de campo junto às agroindústrias é auxiliado por ferramentas de acompanhamento que valorizam e buscam entender os procedimentos no tocante aos componentes técnicos e de pessoal na iniciativa agroindustrial familiar. A rotina de trabalho sistematizada e as informações resultantes da sua aplicação permitirão aos técnicos e suas instituições, por meio dos conteúdos colhidos, redirecionar as políticas públicas voltadas ao desenvolvimento das agroindústrias familiares. |
|
Palavras-Chave: |
Agroindústria; Agroindústria familiar; Boas Práticas de Fabricação; Internalização das BPF. |
|
Thesagro: |
Agricultura Familiar; Processamento. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/155841/1/DOC-127-.pdf
|
|
Marc: |
LEADER 01938nam a2200289 a 4500
001 2063813
005 2017-04-17
008 2016 bl uuuu u0uu1 u #d
022 $a1516-8247
100 1 $aNASCIMENTO NETO, F. do
245 $aManual para Internalização das Boas Práticas de Fabricação em agroindústrias familiares.$h[electronic resource]
260 $aRio de Janeiro: Embrapa Agroindústria de Alimentos$c2016
300 $a48 p.
490 $a(Embrapa Agroindústria de Alimentos. Documentos, 127).
520 $aA Agricultura Familiar demanda por segurança e qualidade na produção de alimentos. Conhecer o processo de internalização das Boas Práticas de Fabricação nas agroindústrias familiares torna-se essencial para as atividades realizadas junto às agroindústrias, pelos técnicos da linha de frente. O método de internalização das BPF proposto trabalha em sobreposição a um processo que envolve a caracterização da agroindústria familiar e seus componentes de comunicação interna. O passo a passo dos trabalhos de campo junto às agroindústrias é auxiliado por ferramentas de acompanhamento que valorizam e buscam entender os procedimentos no tocante aos componentes técnicos e de pessoal na iniciativa agroindustrial familiar. A rotina de trabalho sistematizada e as informações resultantes da sua aplicação permitirão aos técnicos e suas instituições, por meio dos conteúdos colhidos, redirecionar as políticas públicas voltadas ao desenvolvimento das agroindústrias familiares.
650 $aAgricultura Familiar
650 $aProcessamento
653 $aAgroindústria
653 $aAgroindústria familiar
653 $aBoas Práticas de Fabricação
653 $aInternalização das BPF
700 1 $aALVARENGA, A. L. B.
700 1 $aMACHADO, R. L. P.
700 1 $aDUTRA, A. de S.
700 1 $aMONTEIRO, R. P.
700 1 $aPINTO, M. S. V.
700 1 $aPEREIRA, A. R.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agroindústria de Alimentos (CTAA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Café. |
|
Data corrente: |
03/01/2024 |
|
Data da última atualização: |
03/01/2024 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 1 |
|
Autoria: |
AZEVEDO, C. F.; FERRÃO, L. F. V.; BENEVENUTO, J.; RESENDE, M. D. V. de; NASCIMENTO, M.; NASCIMENTO, A. C. C.; MUNOZ, P. R. |
|
Afiliação: |
CAMILA FERREIRA AZEVEDO, UNIVERSIDADE FEDERAL DE VIÇOSA; LUIS FELIPE VENTORIM FERRÃO, UNIVERSITY OF FLORID; JULIANA BENEVENUTO, UNIVERSITY OF FLORID; MARCOS DEON VILELA DE RESENDE, CNPCa; MOYSES NASCIMENTO, UNIVERSIDADE FEDERAL DE VIÇOSA; ANA CAROLINA CAMPANA NASCIMENTO, UNIVERSIDADE FEDERAL DE VIÇOSA; PATRICIO R. MUNOZ, UNIVERSITY OF FLORID. |
|
Título: |
Using visual scores for genomic prediction of complex traits in breeding programs. |
|
Ano de publicação: |
2024 |
|
Fonte/Imprenta: |
Theoretical and Applied Genetics, v. 137, n. 1, 2024. |
|
Páginas: |
16 p. |
|
DOI: |
https://doi.org/10.1007/s00122-023-04512-w |
|
Idioma: |
Inglês |
|
Conteúdo: |
An approach for handling visual scores with potential errors and subjectivity in scores was evaluated in simulated and blueberry recurrent selection breeding schemes to assist breeders in their decision-making. Most genomic prediction methods are based on assumptions of normality due to their simplicity and ease of implementation. However, in plant and animal breeding, continuous traits are often visually scored as categorical traits and analyzed as a Gaussian variable, thus violating the normality assumption, which could affect the prediction of breeding values and the estimation of genetic parameters. In this study, we examined the main challenges of visual scores for genomic prediction and genetic parameter estimation using mixed models, Bayesian, and machine learning methods. We evaluated these approaches using simulated and real breeding data sets. Our contribution in this study is a five-fold demonstration: (i) collecting data using an intermediate number of categories (1-3 and 1-5) is the best strategy, even considering errors associated with visual scores; (ii) Linear Mixed Models and Bayesian Linear Regression are robust to the normality violation, but marginal gains can be achieved when using Bayesian Ordinal Regression Models (BORM) and Random Forest Classification; (iii) genetic parameters are better estimated using BORM; (iv) our conclusions using simulated data are also applicable to real data in autotetraploid blueberry; and (v) a comparison of continuous and categorical phenotypes found that investing in the evaluation of 600-1000 categorical data points with low error, when it is not feasible to collect continuous phenotypes, is a strategy for improving predictive abilities. Our findings suggest the best approaches for effectively using visual scores traits to explore genetic information in breeding programs and highlight the importance of investing in the training of evaluator teams and in high-quality phenotyping. MenosAn approach for handling visual scores with potential errors and subjectivity in scores was evaluated in simulated and blueberry recurrent selection breeding schemes to assist breeders in their decision-making. Most genomic prediction methods are based on assumptions of normality due to their simplicity and ease of implementation. However, in plant and animal breeding, continuous traits are often visually scored as categorical traits and analyzed as a Gaussian variable, thus violating the normality assumption, which could affect the prediction of breeding values and the estimation of genetic parameters. In this study, we examined the main challenges of visual scores for genomic prediction and genetic parameter estimation using mixed models, Bayesian, and machine learning methods. We evaluated these approaches using simulated and real breeding data sets. Our contribution in this study is a five-fold demonstration: (i) collecting data using an intermediate number of categories (1-3 and 1-5) is the best strategy, even considering errors associated with visual scores; (ii) Linear Mixed Models and Bayesian Linear Regression are robust to the normality violation, but marginal gains can be achieved when using Bayesian Ordinal Regression Models (BORM) and Random Forest Classification; (iii) genetic parameters are better estimated using BORM; (iv) our conclusions using simulated data are also applicable to real data in autotetraploid blueberry; and (v) a comparison of continuous and ... Mostrar Tudo |
|
Thesaurus NAL: |
Animal breeding; Bayesian theory; Genome; Inheritance (genetics); Phenotype; Plant breeding. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1160409/1/Using-visual-scores-for-genomic-prediction.pdf
|
|
Marc: |
LEADER 02817naa a2200289 a 4500
001 2160409
005 2024-01-03
008 2024 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.1007/s00122-023-04512-w$2DOI
100 1 $aAZEVEDO, C. F.
245 $aUsing visual scores for genomic prediction of complex traits in breeding programs.$h[electronic resource]
260 $c2024
300 $a16 p.
520 $aAn approach for handling visual scores with potential errors and subjectivity in scores was evaluated in simulated and blueberry recurrent selection breeding schemes to assist breeders in their decision-making. Most genomic prediction methods are based on assumptions of normality due to their simplicity and ease of implementation. However, in plant and animal breeding, continuous traits are often visually scored as categorical traits and analyzed as a Gaussian variable, thus violating the normality assumption, which could affect the prediction of breeding values and the estimation of genetic parameters. In this study, we examined the main challenges of visual scores for genomic prediction and genetic parameter estimation using mixed models, Bayesian, and machine learning methods. We evaluated these approaches using simulated and real breeding data sets. Our contribution in this study is a five-fold demonstration: (i) collecting data using an intermediate number of categories (1-3 and 1-5) is the best strategy, even considering errors associated with visual scores; (ii) Linear Mixed Models and Bayesian Linear Regression are robust to the normality violation, but marginal gains can be achieved when using Bayesian Ordinal Regression Models (BORM) and Random Forest Classification; (iii) genetic parameters are better estimated using BORM; (iv) our conclusions using simulated data are also applicable to real data in autotetraploid blueberry; and (v) a comparison of continuous and categorical phenotypes found that investing in the evaluation of 600-1000 categorical data points with low error, when it is not feasible to collect continuous phenotypes, is a strategy for improving predictive abilities. Our findings suggest the best approaches for effectively using visual scores traits to explore genetic information in breeding programs and highlight the importance of investing in the training of evaluator teams and in high-quality phenotyping.
650 $aAnimal breeding
650 $aBayesian theory
650 $aGenome
650 $aInheritance (genetics)
650 $aPhenotype
650 $aPlant breeding
700 1 $aFERRÃO, L. F. V.
700 1 $aBENEVENUTO, J.
700 1 $aRESENDE, M. D. V. de
700 1 $aNASCIMENTO, M.
700 1 $aNASCIMENTO, A. C. C.
700 1 $aMUNOZ, P. R.
773 $tTheoretical and Applied Genetics$gv. 137, n. 1, 2024.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Café (CNPCa) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
