| |
|
|
| Registros recuperados : 30 | |
| 2. |  | NASCIMENTO, M.; SILVA, F. F. e; SAFADI, T.; NASCIMENTO, A. C. C.; FERREIRA, R. de P.; CRUZ, C. D. Abordagem bayesiana para avaliação da adaptabilidade e estabilidade de genótipos de alfafa. Pesquisa Agropecuária Brasileira, Brasília, v. 46, n. 1, p. 26-32, jan. 2011.| Biblioteca(s): Embrapa Pecuária Sudeste; Embrapa Unidades Centrais. |
|    |
| 3. | | NASCIMENTO, M.; NASCIMENTO, A. C. C.; CIRILLO, M. A.; FERREIRA, A.; PETERNELLI, L. A.; FERREIRA, R. de P. Association between responses obtained using adaptability and stability methods in alfalfa. Semina: Ciências Agrárias, Londrina, v. 34, n. 6, p. 2545-2554, nov./dez. 2013.| Biblioteca(s): Embrapa Pecuária Sudeste. |
| |
| 4. | | NASCIMENTO, N; FERREIRA, A.; NASCIMENTO, A. C. C.; SILVA, F. F. e; FERREIRA, R. de P.; CRUZ, C. D. Multiple centroid method to evaluate the adaptability of alfalfa genotypes. Revista Ceres, Viçosa, v. 62, n. 1, p. 030-036, jan/fev, 2015| Biblioteca(s): Embrapa Pecuária Sudeste. |
| |
| 7. | | OLIVEIRA, G. F.; MIRANDA, T. L. R.; NASCIMENTO, A. C. C.; NASCIMENTO, M.; CAIXETA, E. T.; SILVA, L. de F.; ALKIMIM, E. R.; SILVA, F. L. da. Discrimination of varietal groups and hybrids of coffea canephora species using multivariate analysis. Revista Brasileira de Biometria, v. 39, n. 1, p. 194-201, 2021.| Biblioteca(s): Embrapa Café. |
| |
| 8. | | COSTA, J. A. da; AZEVEDO, C. F.; NASCIMENTO, M.; SILVA, F. F.; RESENDE, M. D. V. de; NASCIMENTO, A. C. C. Determination of optimal number of independent components in yield traits in rice. Scientia Agricola, v. 79, n. 6, p. 1-8, 2022.| Biblioteca(s): Embrapa Café. |
| |
| 9. | | SUELA, M. M.; AZEVEDO, C. F.; NASCIMENTO, A. C. C.; MOMEN, M.; OLIVEIRA, A. C. B. de; CAIXETA, E. T.; MOROTA, G.; NASCIMENTO, M. Genome-wide association study for morphological, physiological, and productive traits in Coffea arabica using structural equation models. Tree Genetics & Genomes, v. 19, n. 3, 2023. 17 p.| Biblioteca(s): Embrapa Café. |
| |
| 13. | | BARROSO, L. M. A.; NASCIMENTO, M.; NASCIMENTO, A. C. C.; FONSECA, F. F. e; CRUZ, C. D.; BHERING, L. L.; FERREIRA, R. de P. Metodologia para análise de adaptabilidade e estabilidade por meio de regressão quantílica. Pesquisa Agropecuária Brasileira, v. 50, n. 4, p. 290-297, abr. 2015.| Biblioteca(s): Embrapa Pecuária Sudeste. |
| |
| 14. | | BARROSO, L. M. A.; NASCIMENTO, M.; NASCIMENTO, A. C. C.; SILVA, F. F. e; CRUZ, C. D.; BHERING, L. L.; FERREIRA, R. de P. Metodologia para análise de adaptabilidade e estabilidade por meio de regressão quantílica. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 50, n. 4, p. 267-290-297, abr. 2015. Título em inglês: Methodology for analysis of adaptability and stability using quantile regression.| Biblioteca(s): Embrapa Unidades Centrais. |
| |
| 15. | | AZEVEDO, C. F.; CARVALHO, I. R.; NASCIMENTO, M.; SILVA, J. A. G. da; NASCIMENTO, A, C. C.; CRUZ, C. D.; HUTH, C.; ALMEIDA, H. C. F. de. Informative prior distribution applied to linseed for the estimation of genetic parameters using a small sample size. Pesquisa Agropecuária Brasileira, v. 57, e02793, 2022. Título em português: Distribuição a priori informativa aplicada à linhaça para estimação de parâmetros genéticos com uso de tamanho amostral reduzido.| Biblioteca(s): Embrapa Unidades Centrais. |
| |
| 16. | | NASCIMENTO, M.; ROCHA, G. S. da; PINTO, D. S.; BARROSO, L. M. A.; NASCIMENTO, A. C. C.; FERREIRA, R. de P.; SILVA, F. F. e. Correlação de Spearman aplicada ao estudo de adaptabilidade e estabilidade em genótipos de alfafa. Investigacion Agrária, v. 15, n. 2, p. 83-90, 2013.| Biblioteca(s): Embrapa Pecuária Sudeste. |
| |
| 17. | | COSTA, J. A. da; AZEVEDO, C. F.; NASCIMENTO, M.; SILVA, F. F. e; RESENDE, M. D. V. de; NASCIMENTO, A. C. C. A comparison of regression methods based on dimensional reduction for genomic prediction. Genetics and Molecular Research, v. 20, n. 2, p. 1-15, 2021.| Biblioteca(s): Embrapa Café. |
| |
| 18. | | VOLPATO, L.; ALVES, R. S.; TEODORO, P. E.; RESENDE, M. D. V. de; NASCIMENTO, M.; NASCIMENTO, A. C. C.; LUDKE, W. H.; SILVA, F. L. da; BORÉM, A. Multi-trait multi-environment models in the genetic selection of segregating soybean progeny. PLoS ONE, v. 14, n. 4, e0215315, Apr. 2019. 22 p.| Biblioteca(s): Embrapa Florestas. |
| |
| 19. | | 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. |
| |
| 20. | | CARVALHO, V. P.; SANT'ANNA, I. C.; NASCIMENTO, M.; NASCIMENTO, A. C. C.; CRUZ, C. D.; ARBEX, W. A.; OLIVEIRA, F. C.; SILVA, F. F. Support vector machines applied to the genetic classification problem of hybrid populations with high degrees of similarity. Genetics and Molecular Research, v. 17, n. 4, gmr18122, 2018. 10 p.| Biblioteca(s): Embrapa Gado de Leite. |
|  |
| Registros recuperados : 30 | |
|
|
|
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. |
|
|
