| |
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Cerrados. Para informações adicionais entre em contato com cpac.biblioteca@embrapa.br. |
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Cerrados. |
|
Data corrente: |
24/11/2016 |
|
Data da última atualização: |
24/11/2016 |
|
Autoria: |
NEDER, R. T.; COSTA, F. M. P. (org.). |
|
Afiliação: |
RICARDO T. NEDER; FLÁVIO MURILO PEREIRA COSTA. |
|
Título: |
Ciência, tecnologia, sociedade (cts) para a construção da agroecologia. |
|
Ano de publicação: |
2014 |
|
Fonte/Imprenta: |
Brasília, DF: UnB, 2014. |
|
Páginas: |
253 p. |
|
Descrição Física: |
il. |
|
Série: |
(Cadernos Construção Social da Tecnologia - Primeira versão, 7). |
|
Idioma: |
Português |
|
Conteúdo: |
Parte I - A docência em Ciências Naturais e o processo de formação humana interdisciplinar: aproximações a agroecologia; Princípios da pedagogia de projetos para o ensino da Agroecologia: contribuições para um novo olhar sobre o ensino de ciências; Ecologia, agroecologia e ensino: algumas perguntas e respostas; a abordagem da ecologia nos livros didáticos de ciências no ensino fundamental; Parte II - Construcción sociopolítica de las tecnologías agroecológicas en Cuba; Limites e potencialidades da pesquisa colaborativa com sementes crioulas entre grupos sociais produtores; a transição agroecológica e a formação do intelectual orgânico no Assentamento Colônia I - Padre Bernardo/GO; Agroecologia e o design de sistemas agrícolas resilientes à mudança e variação climática; Suor e lágrimas: a complicada arte da associação como experiência formativa em agroecologia; Agricultiroes guardiões de sementes e ampliação da agrobiodiversidade; Ressignificação de tecnologia: transição agroecológica e tecnologia social a luz dos aportes da filosofia da tecnologia; Parte III - As entrelinhas das guerras por alimentos; Articulação entre os diferentes componentes da sustentabilidade agrícola; Segurança alimentar e nutricional & agroecologia: o papel das mulheres. |
|
Palavras-Chave: |
Agrobiodiversidade; Ciência. |
|
Thesagro: |
Ecologia vegetal; Semente; Sociedade; Tecnologia. |
|
Categoria do assunto: |
-- |
|
Marc: |
LEADER 01946nam a2200217 a 4500
001 2057058
005 2016-11-24
008 2014 bl uuuu 00u1 u #d
100 1 $aNEDER, R. T.
245 $aCiência, tecnologia, sociedade (cts) para a construção da agroecologia.$h[electronic resource]
260 $aBrasília, DF: UnB$c2014
300 $a253 p.$cil.
490 $a(Cadernos Construção Social da Tecnologia - Primeira versão, 7).
520 $aParte I - A docência em Ciências Naturais e o processo de formação humana interdisciplinar: aproximações a agroecologia; Princípios da pedagogia de projetos para o ensino da Agroecologia: contribuições para um novo olhar sobre o ensino de ciências; Ecologia, agroecologia e ensino: algumas perguntas e respostas; a abordagem da ecologia nos livros didáticos de ciências no ensino fundamental; Parte II - Construcción sociopolítica de las tecnologías agroecológicas en Cuba; Limites e potencialidades da pesquisa colaborativa com sementes crioulas entre grupos sociais produtores; a transição agroecológica e a formação do intelectual orgânico no Assentamento Colônia I - Padre Bernardo/GO; Agroecologia e o design de sistemas agrícolas resilientes à mudança e variação climática; Suor e lágrimas: a complicada arte da associação como experiência formativa em agroecologia; Agricultiroes guardiões de sementes e ampliação da agrobiodiversidade; Ressignificação de tecnologia: transição agroecológica e tecnologia social a luz dos aportes da filosofia da tecnologia; Parte III - As entrelinhas das guerras por alimentos; Articulação entre os diferentes componentes da sustentabilidade agrícola; Segurança alimentar e nutricional & agroecologia: o papel das mulheres.
650 $aEcologia vegetal
650 $aSemente
650 $aSociedade
650 $aTecnologia
653 $aAgrobiodiversidade
653 $aCiência
700 1 $aCOSTA, F. M. P.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Cerrados (CPAC) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Acesso ao texto completo restrito à biblioteca da Embrapa Gado de Corte. Para informações adicionais entre em contato com cnpgc.biblioteca@embrapa.br. |
Registro Completo
|
Biblioteca(s): |
Embrapa Gado de Corte. |
|
Data corrente: |
04/01/2023 |
|
Data da última atualização: |
04/01/2023 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 1 |
|
Autoria: |
SANTANA, T. E. Z.; SILVA, J. C. F.; SILVA, L. O. C. da; ALVARENGA, A. B.; MENEZES, G. R. de O.; TORRES JUNIOR, R. A. de A.; DUARTE, M. de S.; SILVA, F. F. e. |
|
Afiliação: |
TALITA ESTEFANI ZUNINO SANTANA, UNIVERSIDADE FEDERAL DE VIÇOSA; JOSE CLEYDSON F. SILVA, UNIVERSIDADE FEDERAL DE VIÇOSA; LUIZ OTAVIO CAMPOS DA SILVA, CNPGC; AMANDA BOTELHO ALVARENGA, PURDUE UNIVERSITY; GILBERTO ROMEIRO DE OLIVEIRA MENEZE, CNPGC; ROBERTO AUGUSTO DE A TORRES JUNIOR, CNPGC; MARCIO DE SOUZA DUARTE, UNIVERSITY GUELPH; FABYANO FONSECA E SILVA, UNIVERSIDADE FEDERAL DE VIÇOSA. |
|
Título: |
Genome-enabled classification of stayability in Nellore cattle under a machine learning framework. |
|
Ano de publicação: |
2022 |
|
Fonte/Imprenta: |
Livestock Science, v. 260, article 104935, 2022. |
|
ISSN: |
1871-1413 |
|
DOI: |
https://doi.org/10.1016/j.livsci.2022.104935 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Stayability (STAY) is a binary trait with significant value economically. It measures both the cow`s reproductive performance and longevity simultaneously. Thus, STAY is one of the most important female selection criterion in Nellore beef cattle breeding programs. The "success" for STAY is defined as the ability of a cow to stay in the herd up to 76 months of age and to have at least three calve. Despite its importance, STAY has not been investigated under a machine learning (ML) framework, which might allow to intuitively capture linear and nonlinear relationships (e.g., non-additive effects) between a response variable and other predictor variables. In this study, we compared different ML tools using a genome-enabled approach to classify daughters (non-genotyped animals but with STAY records) of genotyped sires. In total, 44,626 STAY records from daughters of 559 bulls genotyped with the 777K SNP panel were available for this study. The genotyped data were subdivided into three SNP sets based on the top-ranked effect on STAY: 1K-, 3K-, and 5K-SNP panels. The following ML algorithms were evaluated: AdaBoost (ADA), Naïve Bayes (NB), Decision Tree (DT), Deep Neural Network (DNN), k-Nearest Neighbors (NN), Multi-Layer Perceptron Neural Network (MLP), and Support Vector Machine (SVM). The analyses were performed using free Scikit-learn for the Python programming language. No relevant improvements in the learning process of the evaluated algorithms were observed when the number of SNPs in the genotype dataset was increased (i.e., 1K-, 3K-, or 5K-SNP panel). In short, NB outperformed the other algorithms considering, for example, the balanced accuracy (0.62 ± 0.01) and sensitivity (0.56 ± 0.02) metrics. In conclusion, the use of the 1K-SNP panel allowed efficient genomic classification and the NB algorithm outperformed the other methods as indicated by various classification metrics. To best of our knowledge, this is the first study using ML and genome-enabled classification of STAY in beef cattle. MenosStayability (STAY) is a binary trait with significant value economically. It measures both the cow`s reproductive performance and longevity simultaneously. Thus, STAY is one of the most important female selection criterion in Nellore beef cattle breeding programs. The "success" for STAY is defined as the ability of a cow to stay in the herd up to 76 months of age and to have at least three calve. Despite its importance, STAY has not been investigated under a machine learning (ML) framework, which might allow to intuitively capture linear and nonlinear relationships (e.g., non-additive effects) between a response variable and other predictor variables. In this study, we compared different ML tools using a genome-enabled approach to classify daughters (non-genotyped animals but with STAY records) of genotyped sires. In total, 44,626 STAY records from daughters of 559 bulls genotyped with the 777K SNP panel were available for this study. The genotyped data were subdivided into three SNP sets based on the top-ranked effect on STAY: 1K-, 3K-, and 5K-SNP panels. The following ML algorithms were evaluated: AdaBoost (ADA), Naïve Bayes (NB), Decision Tree (DT), Deep Neural Network (DNN), k-Nearest Neighbors (NN), Multi-Layer Perceptron Neural Network (MLP), and Support Vector Machine (SVM). The analyses were performed using free Scikit-learn for the Python programming language. No relevant improvements in the learning process of the evaluated algorithms were observed when the number ... Mostrar Tudo |
|
Thesagro: |
Gado de Corte; Gado Nelore; Touro. |
|
Thesaurus NAL: |
Beef cattle; Bulls; Daughters; Genome; Genomics; Nellore. |
|
Categoria do assunto: |
-- |
|
Marc: |
LEADER 02992naa a2200337 a 4500
001 2150623
005 2023-01-04
008 2022 bl uuuu u00u1 u #d
022 $a1871-1413
024 7 $ahttps://doi.org/10.1016/j.livsci.2022.104935$2DOI
100 1 $aSANTANA, T. E. Z.
245 $aGenome-enabled classification of stayability in Nellore cattle under a machine learning framework.$h[electronic resource]
260 $c2022
520 $aStayability (STAY) is a binary trait with significant value economically. It measures both the cow`s reproductive performance and longevity simultaneously. Thus, STAY is one of the most important female selection criterion in Nellore beef cattle breeding programs. The "success" for STAY is defined as the ability of a cow to stay in the herd up to 76 months of age and to have at least three calve. Despite its importance, STAY has not been investigated under a machine learning (ML) framework, which might allow to intuitively capture linear and nonlinear relationships (e.g., non-additive effects) between a response variable and other predictor variables. In this study, we compared different ML tools using a genome-enabled approach to classify daughters (non-genotyped animals but with STAY records) of genotyped sires. In total, 44,626 STAY records from daughters of 559 bulls genotyped with the 777K SNP panel were available for this study. The genotyped data were subdivided into three SNP sets based on the top-ranked effect on STAY: 1K-, 3K-, and 5K-SNP panels. The following ML algorithms were evaluated: AdaBoost (ADA), Naïve Bayes (NB), Decision Tree (DT), Deep Neural Network (DNN), k-Nearest Neighbors (NN), Multi-Layer Perceptron Neural Network (MLP), and Support Vector Machine (SVM). The analyses were performed using free Scikit-learn for the Python programming language. No relevant improvements in the learning process of the evaluated algorithms were observed when the number of SNPs in the genotype dataset was increased (i.e., 1K-, 3K-, or 5K-SNP panel). In short, NB outperformed the other algorithms considering, for example, the balanced accuracy (0.62 ± 0.01) and sensitivity (0.56 ± 0.02) metrics. In conclusion, the use of the 1K-SNP panel allowed efficient genomic classification and the NB algorithm outperformed the other methods as indicated by various classification metrics. To best of our knowledge, this is the first study using ML and genome-enabled classification of STAY in beef cattle.
650 $aBeef cattle
650 $aBulls
650 $aDaughters
650 $aGenome
650 $aGenomics
650 $aNellore
650 $aGado de Corte
650 $aGado Nelore
650 $aTouro
700 1 $aSILVA, J. C. F.
700 1 $aSILVA, L. O. C. da
700 1 $aALVARENGA, A. B.
700 1 $aMENEZES, G. R. de O.
700 1 $aTORRES JUNIOR, R. A. de A.
700 1 $aDUARTE, M. de S.
700 1 $aSILVA, F. F. e
773 $tLivestock Science$gv. 260, article 104935, 2022.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Gado de Corte (CNPGC) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
