|
|
Registros recuperados : 92 | |
61. | | AZEVEDO, C. F.; FERRÃO, L. F. V.; BENEVENUTO, J.; RESENDE, M. D. V. de; NASCIMENTO, M.; NASCIMENTO, A. C. C.; MUNOZ, P. R. Using visual scores for genomic prediction of complex traits in breeding programs. Theoretical and Applied Genetics, v. 137, n. 1, 2024. 16 p. Biblioteca(s): Embrapa Café. |
| |
62. | | LIMA L. P.; AZEVEDO, C. F.; RESENDE, M. D. V. de; SILVA, F. F. e; SUELA, M. M.; NASCIMENTO, M.; VIANA, J. M. S. New insights into genomic selection through population-based non-parametric prediction methods. Scientia Agricicola, v. 76, n. 4, p. 290-298, July/Aug. 2019. Biblioteca(s): Embrapa Florestas. |
| |
63. | | AZEVEDO, C. F.; RESENDE, M. D. V. de; SILVA, F. F.; VIANA, J. M. S.; VALENTE, M. S. F.; RESENDE JUNIOR, M. F. R.; OLIVEIRA, E. J. de. New accuracy estimators for genomic selection with application in a cassava (Manihot esculenta) breeding program. Genetics and Molecular Research, v. 15, n. 4, gmr.15048838, Oct. 2016. Biblioteca(s): Embrapa Florestas; Embrapa Mandioca e Fruticultura. |
| |
64. | | AZEVEDO, C. F.; ABAD, J. I. M.; MISSIAGGIA, A. A.; AGUIAR, A. M.; RESENDE, M. D. V. de; SILVA, F. F. e.; PEREIRA, C. S. Parametrizações em marcadores dominantes DarTs para características de crescimento de eucalipto. Revista Matemática e Estatística em foco, v. 1, n. 2, 2013. Edição especial dos anais do Encontro Mineiro de Estatística, 12., 2013, Uberlândia. Resumo. Biblioteca(s): Embrapa Florestas. |
| |
65. | | AZEVEDO, C. F.; RESENDE, M. D. V. de; SILVA, F. F. e; NASCIMENTO, M.; VIANA, J. M. S.; VALENTE, M. S. F. Population structure correction for genomic selection through eigenvector covariates. Crop Breeding and Applied Biotechnology, Viçosa, v. 17, n. 4, p.350-358, Oct./Dec. 2017. Biblioteca(s): Embrapa Florestas. |
| |
66. | | AZEVEDO, C. F.; SILVA, F. F. e; RESENDE, M. D. V. de; PETERNELLI, L. A.; GUIMARÃES, S. E. F.; LOPES, P. S. Quadrados mínimos parciais uni e multivariado aplicados na seleção genômica para características de carcaça em suínos. Ciência Rural, Santa Maria, RS, v. 43, n. 9, p. 1642-1649, set. 2013. Biblioteca(s): Embrapa Florestas. |
| |
67. | | OLIVEIRA, G. F.; NASCIMENTO, A. C. C.; NASCIMENTO, M.; SANT'ANNA, I. de C.; ROMERO, J. V.; AZEVEDO, C. F.; BHERING, L. L.; CAIXETA, E. T. Quantile regression in genomic selection for oligogenic traits in autogamous plants: a simulation study. Plos One, v. 16, n. 1, e0243666, 2021. Biblioteca(s): Embrapa Café. |
| |
68. | | RESENDE, M. D. V. de; OLIVEIRA, A. C. B. de; CAIXETA, E. T.; ALKIMIM, E. R.; SOUSA, T. V.; PEREIRA, A. A.; ALVES, R. S.; AZEVEDO, C. F. Tamanho amostral e detecção de genes via GWAS em características quantitativas do cafeeiro. Brasília, DF: Embrapa Café, 2022. 23 p. (Embrapa Café. Circular técnica, 7). Biblioteca(s): Embrapa Café. |
| |
69. | | SILVA, F. F.; JEREZ, E. A. Z.; RESENDE, M. D. V. de; VIANA, J. M. S.; AZEVEDO, C. F.; LOPES, P. S.; NASCIMENTO, M.; LIMA, R. O. de; GUIMARÃES, S. E. F. Bayesian model combining linkage and linkage disequilibrium analysis for low density-based genomic selection in animal breeding. Journal of Applied Animal Research, v. 46, n. 1, p. 873-878, 2018. Biblioteca(s): Embrapa Florestas. |
| |
70. | | TORRES, L. G.; OLIVEIRA, E. J. de; OGBONNA, A. C.; BAUCHET, G. J.; MUELLER, L. A.; AZEVEDO, C. F.; SILVA, F. F.; SIMIQUELI, G. F.; RESENDE, M. D. V. de. Can cross-country genomic predictions be a reasonable strategy to support germplasm exchange? A case study with hydrogen cyanide in cassava. Frontiers in Plant Science, v. 12, 742638, 2021. Biblioteca(s): Embrapa Café; Embrapa Mandioca e Fruticultura. |
| |
71. | | OLIVEIRA, M. I. P. de; ROCHA, M. do S.; LUCENA, A. M. A. de; AZEVEDO, C. F. de; ARRIEL, N. H. C.; BARTOLOMEU, C. R. C.; BELTRÃO, N. E. de M. Caracterização morfo-anatômica de folhas e caule de Jatrophas curcas L. (Euphorbiacea). In: CONGRESSO BRASILEIRO DE PLANTAS OLEAGINOSAS, ÓLEOS, GORDURAS E BIODIESEL, 5.; CLÍNICA TECNOLÓGICA EM BIODIESEL, 2., 2008, Lavras. Biodiesel: tecnologia limpa. Anais...Lavras: UFLA, 2008. 9 p. Seção Trabalhos. 1 CD-ROM. Biblioteca(s): Embrapa Algodão. |
| |
72. | | ROCHA, M. do S.; OLIVEIRA, M. I. P. de; AZEVEDO, C. F. de; LUCENA, A. M. A. de; BELTRÃO, N. E. de M.; CARVALHO, J. M. F. C.; ALMEIDA, F. de A. C.; BRUNO, R. de L. A. Caracterização morfoanatômico da cultivar BRS energia (Ricinus communis L.). In: CONGRESSO BRASILEIRO DE MAMONA, 3., 2008, Salvador. Energia e ricinoquímica: resumos. Salvador: SEAGRI: Embrapa Algodão, 2008. p. 124 Biblioteca(s): Embrapa Algodão. |
| |
73. | | ROCHA, M. do S.; OLIVEIRA, M. I. P. de; AZEVEDO, C. F. de; LUCENA, A. M. A. de; BELTRÃO, N. E. de M.; CARVALHO, J. M. F. C.; ALMEIDA, F. de A. C.; BRUNO, R. de L. A. Caracterização morfoanatômico da cultivar BRS energia (Ricinus communis L.). In: CONGRESSO BRASILEIRO DE MAMONA, 3., 2008, Salvador. Energia e ricinoquímica: anais. Salvador: SEAGRI: Embrapa Algodão, 2008. 1 CD-ROM Biblioteca(s): Embrapa Algodão. |
| |
74. | | 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. Biblioteca(s): Embrapa Florestas. |
| |
75. | | 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. Biblioteca(s): Embrapa Florestas. |
| |
76. | | 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. Biblioteca(s): Embrapa Café. |
| |
77. | | 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. Biblioteca(s): Embrapa Café. |
| |
78. | | 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 Biblioteca(s): Embrapa Algodão. |
| |
79. | | 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 Biblioteca(s): Embrapa Algodão. |
| |
80. | | RESENDE, R. T.; RESENDE, M. D. V. de; AZEVEDO, C. F.; SILVA, F. F. e; MELO, L. C.; PEREIRA, H. S.; SOUZA, T. L. P. O. de; VALDISSER, P. A. M. R.; BRONDANI, C.; VIANELLO, R. P. Genome-wide association and regional heritability mapping of plant architecture, lodging and productivity in Phaseolus vulgaris. G3: Genes, Genomes, Genetics, v. 8, p. 2841-2854, Aug. 2018. Biblioteca(s): Embrapa Arroz e Feijão; Embrapa Florestas. |
| |
Registros recuperados : 92 | |
|
|
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
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|