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 | Universidade de São Paulo (USP) | - |
Autor(es): dc.contributor | National Council of Technological and Scientific Development (CNPq) | - |
Autor(es): dc.creator | Alves, A. A.C. [UNESP] | - |
Autor(es): dc.creator | Espigolan, R. [UNESP] | - |
Autor(es): dc.creator | Bresolin, T. [UNESP] | - |
Autor(es): dc.creator | Costa, R. M. [UNESP] | - |
Autor(es): dc.creator | Fernandes Júnior, G. A. [UNESP] | - |
Autor(es): dc.creator | Ventura, R. V. | - |
Autor(es): dc.creator | Carvalheiro, R. [UNESP] | - |
Autor(es): dc.creator | Albuquerque, L. G. [UNESP] | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:51:44Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:51:44Z | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2021-01-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1111/age.13021 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/207898 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/207898 | - |
Descrição: dc.description | This study aimed to assess the predictive ability of different machine learning (ML) methods for genomic prediction of reproductive traits in Nellore cattle. The studied traits were age at first calving (AFC), scrotal circumference (SC), early pregnancy (EP) and stayability (STAY). The numbers of genotyped animals and SNP markers available were 2342 and 321 419 (AFC), 4671 and 309 486 (SC), 2681 and 319 619 (STAY) and 3356 and 319 108 (EP). Predictive ability of support vector regression (SVR), Bayesian regularized artificial neural network (BRANN) and random forest (RF) were compared with results obtained using parametric models (genomic best linear unbiased predictor, GBLUP, and Bayesian least absolute shrinkage and selection operator, BLASSO). A 5-fold cross-validation strategy was performed and the average prediction accuracy (ACC) and mean squared errors (MSE) were computed. The ACC was defined as the linear correlation between predicted and observed breeding values for categorical traits (EP and STAY) and as the correlation between predicted and observed adjusted phenotypes divided by the square root of the estimated heritability for continuous traits (AFC and SC). The average ACC varied from low to moderate depending on the trait and model under consideration, ranging between 0.56 and 0.63 (AFC), 0.27 and 0.36 (SC), 0.57 and 0.67 (EP), and 0.52 and 0.62 (STAY). SVR provided slightly better accuracies than the parametric models for all traits, increasing the prediction accuracy for AFC to around 6.3 and 4.8% compared with GBLUP and BLASSO respectively. Likewise, there was an increase of 8.3% for SC, 4.5% for EP and 4.8% for STAY, comparing SVR with both GBLUP and BLASSO. In contrast, the RF and BRANN did not present competitive predictive ability compared with the parametric models. The results indicate that SVR is a suitable method for genome-enabled prediction of reproductive traits in Nellore cattle. Further, the optimal kernel bandwidth parameter in the SVR model was trait-dependent, thus, a fine-tuning for this hyper-parameter in the training phase is crucial. | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Department of Animal Science School of Agricultural and Veterinary Sciences Sao Paulo State University (UNESP) | - |
Descrição: dc.description | Department of Exact Sciences School of Agricultural and Veterinary Sciences Sao Paulo State University (UNESP) | - |
Descrição: dc.description | Department of Animal Nutrition and Production School of Veterinary Medicine and Animal Science University of Sao Paulo (USP) | - |
Descrição: dc.description | National Council of Technological and Scientific Development (CNPq) | - |
Descrição: dc.description | Department of Animal Science School of Agricultural and Veterinary Sciences Sao Paulo State University (UNESP) | - |
Descrição: dc.description | Department of Exact Sciences School of Agricultural and Veterinary Sciences Sao Paulo State University (UNESP) | - |
Formato: dc.format | 32-46 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Animal Genetics | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | artificial neural network | - |
Palavras-chave: dc.subject | fertility traits | - |
Palavras-chave: dc.subject | genomic selection | - |
Palavras-chave: dc.subject | random forest | - |
Palavras-chave: dc.subject | support vector regression | - |
Título: dc.title | Genome-enabled prediction of reproductive traits in Nellore cattle using parametric models and machine learning methods | - |
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: