
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.creator | Bernardo Júnior, Luiz Antonio Yanes | - |
| Autor(es): dc.creator | Silva, Carlos Pereira da | - |
| Autor(es): dc.creator | Oliveira, Luciano Antonio de | - |
| Autor(es): dc.creator | Nuvunga, Joel Jorge | - |
| Autor(es): dc.creator | Pires, Luiz Paulo Miranda | - |
| Autor(es): dc.creator | Von Pinho, Renzo Garcia | - |
| Autor(es): dc.creator | Balestre, Marcio | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:59:57Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:59:57Z | - |
| Data de envio: dc.date.issued | 2019-06-03 | - |
| Data de envio: dc.date.issued | 2019-06-03 | - |
| Data de envio: dc.date.issued | 2018 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/34538 | - |
| Fonte completa do material: dc.identifier | https://dl.sciencesocieties.org/publications/aj/abstracts/110/5/1765 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1152133 | - |
| Descrição: dc.description | The identification of genotypes presenting wide adaptability and stability is pivotal in breeding programs. To identify such genotypes, it is necessary to use sophisticated analytical tools to establish the genotypes × environments interaction (GEI) pattern across multi-environment trials and select for genotypic stability and adaptability. The aim of the present study was to estimate GEI using Bayesian analysis of Additive Main Effects and Multiplicative Interaction (AMMI) models for both balanced and unbalanced data sets and estimate the predictive ability of model. Two studies were assessed to showcase this approach; in the first, 10 commercial maize (Zea mays) single-cross hybrids and 45 double-cross hybrids were evaluated at 15 different locations. In the second study, 28 hybrids were evaluated in 35 different environments distributed over two different harvest seasons (first and second harvests) with unbalanced data sets within and between harvests. The Bayesian analysis of the AMMI models was robust in dealing with the unbalanced data. This approach is promising for the identification of interaction patterns and the estimation of GEI. The genotypes and environments could be grouped according to their interaction patterns even using the unbalanced data sets, showing that Bayesian analysis of AMMI models could be applied effectively for multi-environment trials. The prediction for missing hybrids was satisfactory in a simulated unbalanced design and captured the GEI and patterns in the data. This allowed the direct comparison of genotypes from the first and second harvests and the estimation of selection gain. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | American Society of Agronomy | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Agronomy Journal Abstract - Biometry, Modeling & Statistics | - |
| Palavras-chave: dc.subject | Maize - Genetic breeding | - |
| Palavras-chave: dc.subject | Genotypes × environments interaction | - |
| Palavras-chave: dc.subject | Additive main effects and multiplicative interaction | - |
| Palavras-chave: dc.subject | Bayesian analysis | - |
| Palavras-chave: dc.subject | Milho - Melhoramento genético | - |
| Palavras-chave: dc.subject | Interação genótipos × ambientes | - |
| Palavras-chave: dc.subject | Efeitos principais aditivos e interação multiplicativa | - |
| Palavras-chave: dc.subject | Análise Bayesiana | - |
| Título: dc.title | AMMI Bayesian models to study stability and adaptability in maize | - |
| Tipo de arquivo: dc.type | Artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
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: