Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.contributor | Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA) | - |
Autor(es): dc.contributor | University of Wisconsin-Madison | - |
Autor(es): dc.contributor | Universidade Federal de Goiás (UFG) | - |
Autor(es): dc.contributor | National Association of Breeders and Researchers | - |
Autor(es): dc.creator | Lopes, F. B. [UNESP] | - |
Autor(es): dc.creator | Baldi, F. [UNESP] | - |
Autor(es): dc.creator | Passafaro, T. L. | - |
Autor(es): dc.creator | Brunes, L. C. | - |
Autor(es): dc.creator | Costa, M. F.O. | - |
Autor(es): dc.creator | Eifert, E. C. | - |
Autor(es): dc.creator | Narciso, M. G. | - |
Autor(es): dc.creator | Rosa, G. J.M. | - |
Autor(es): dc.creator | Lobo, R. B. | - |
Autor(es): dc.creator | Magnabosco, C. U. | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:45:29Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:45:29Z | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2020-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.animal.2020.100006 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/205851 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/205851 | - |
Descrição: dc.description | Several methods have been used for genome-enabled prediction (or genomic selection) of complex traits, for example, multiple regression models describing a target trait with a linear function of a set of genetic markers. Genomic selection studies have been focused mostly on single-trait analyses. However, most profitability traits are genetically correlated, and an increase in prediction accuracy of genomic breeding values for genetically correlated traits is expected when using multiple-trait models. Thus, this study was carried out to assess the accuracy of genomic prediction for carcass and meat quality traits in Nelore cattle, using single- and multiple-trait approaches. The study considered 15 780, 15 784, 15 742 and 526 records of rib eye area (REA, cm2), back fat thickness (BF, mm), rump fat (RF, mm) and Warner–Bratzler shear force (WBSF, kg), respectively, in Nelore cattle, from the Nelore Brazil Breeding Program. Animals were genotyped with a low-density single nucleotide polymorphism (SNP) panel and subsequently imputed to arrays with 54 and 777 k SNPs. Four Bayesian specifications of genomic regression models, namely, Bayes A, Bayes B, Bayes Cπ and Bayesian Ridge Regression; blending methods, BLUP; and single-step genomic best linear unbiased prediction (ssGBLUP) methods were compared in terms of prediction accuracy using a fivefold cross-validation. Estimates of heritability ranged from 0.20 to 0.35 and from 0.21 to 0.46 for RF and WBSF on single- and multiple-trait analyses, respectively. Prediction accuracies for REA, BF, RF and WBSF were all similar using the different specifications of regression models. In addition, this study has shown the impact of genomic information upon genetic evaluations in beef cattle using the multiple-trait model, which was also advantageous compared to the single-trait model because it accounted for the selection process using multiple traits at the same time. The advantage of multi-trait analyses is attributed to the consideration of correlations and genetic influences between the traits, in addition to the non-random association of alleles. | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Department of Animal Science São Paulo State University - Júlio de Mesquita Filho (UNESP), Prof. Paulo Donato Castelane | - |
Descrição: dc.description | Embrapa Cerrados, BR-020, 18, Sobradinho | - |
Descrição: dc.description | Department of Animal Sciences University of Wisconsin-Madison | - |
Descrição: dc.description | Department of Animal Science Federal University of Goiás | - |
Descrição: dc.description | Embrapa Rice and Beans, GO-462, km 12 | - |
Descrição: dc.description | Department of Biostatistics and Medical Informatics University of Wisconsin-Madison | - |
Descrição: dc.description | National Association of Breeders and Researchers | - |
Descrição: dc.description | Department of Animal Science São Paulo State University - Júlio de Mesquita Filho (UNESP), Prof. Paulo Donato Castelane | - |
Descrição: dc.description | FAPESP: #2017/03221- 5479 | - |
Descrição: dc.description | FAPESP: 2017/03221-9 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Animal | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Beef cattle | - |
Palavras-chave: dc.subject | Genomic prediction | - |
Palavras-chave: dc.subject | Multiple-trait | - |
Palavras-chave: dc.subject | Warner–Bratzler shear force | - |
Título: dc.title | Genome-enabled prediction of meat and carcass traits using Bayesian regression, single-step genomic best linear unbiased prediction and blending methods in Nelore cattle | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: