| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Unidades Centrais. |
|
Data corrente: |
24/10/2006 |
|
Data da última atualização: |
31/07/2018 |
|
Autoria: |
SANTOS, R. C. dos; FREIRE, R. M. M.; SUASSUNA, T. de M. F.; REGO, G. M. |
|
Afiliação: |
ROSEANE CAVALCANTI DOS SANTOS, CNPA; ROSA MARIA MENDES FREIRE, CNPA; TAIS DE MORAES FALLEIRO SUASSUNA, CNPA; GIZELDA MAIA REGO, CNPF. |
|
Título: |
BRS Havana: nova cultivar de amendoim de pele clara. |
|
Ano de publicação: |
2006 |
|
Fonte/Imprenta: |
Pesquisa Agropecuária Brasileira, Brasília, DF, v. 41, n. 8, p. 1337-1339, ago. 2006 |
|
Idioma: |
Português |
|
Notas: |
Título em inglês: BRS Havana: a new tan color peanut cultivar. |
|
Conteúdo: |
A BRS Havana é uma nova cultivar ereta de amendoim de película clara, desenvolvida pela Embrapa Algodão e destinada à indústria de alimentos. É resultante de vários ciclos de seleção exercidos no acesso paulista Película Havana e, em ensaios de rede conduzidos em 30 municípios da Região Nordeste, apresentou produtividade média de 1.900 kg ha-1 em vagens, ciclo vegetativo de 90 dias e tolerância ao estresse hídrico. Em condições irrigadas, a produtividade média situou-se em 4.900 kg ha-1. No aspecto nutricional, a BRS Havana tem 43% de óleo (baixo teor) e apresenta 47% de proteína na farinha desengordurada. |
|
Thesagro: |
Amendoim; Produtividade; Vagem. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/AI-SEDE/36418/1/41n08a20.pdf
|
|
Marc: |
LEADER 01256naa a2200205 a 4500
001 1119198
005 2018-07-31
008 2006 bl uuuu u00u1 u #d
100 1 $aSANTOS, R. C. dos
245 $aBRS Havana$bnova cultivar de amendoim de pele clara.
260 $c2006
500 $aTítulo em inglês: BRS Havana: a new tan color peanut cultivar.
520 $aA BRS Havana é uma nova cultivar ereta de amendoim de película clara, desenvolvida pela Embrapa Algodão e destinada à indústria de alimentos. É resultante de vários ciclos de seleção exercidos no acesso paulista Película Havana e, em ensaios de rede conduzidos em 30 municípios da Região Nordeste, apresentou produtividade média de 1.900 kg ha-1 em vagens, ciclo vegetativo de 90 dias e tolerância ao estresse hídrico. Em condições irrigadas, a produtividade média situou-se em 4.900 kg ha-1. No aspecto nutricional, a BRS Havana tem 43% de óleo (baixo teor) e apresenta 47% de proteína na farinha desengordurada.
650 $aAmendoim
650 $aProdutividade
650 $aVagem
700 1 $aFREIRE, R. M. M.
700 1 $aSUASSUNA, T. de M. F.
700 1 $aREGO, G. M.
773 $tPesquisa Agropecuária Brasileira, Brasília, DF$gv. 41, n. 8, p. 1337-1339, ago. 2006
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Unidades Centrais (AI-SEDE) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
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 |
|
Circulação/Nível: |
A - 1 |
|
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 |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
