ReP USP - Resultado da busca

Filtros : "GENETICA" "GENÔMICA" "PREDIÇÃO" Removidos: "BIF" "iq" Limpar

Filtros

Dissertação (Mestrado)
Enviromic-based kernels optimize resource allocation with multi-trait multi-environment genomic prediction for tropical maize (2021)
Gevartosky, Raysa ; Fritsche Neto, Roberto (Orientador)
Unidade: ESALQ
Assuntos: CARACTERIZAÇÃO AMBIENTAL, GENÔMICA, INTERAÇÃO GENÓTIPO-AMBIENTE, MILHO, POPULAÇÕES VEGETAIS, PREDIÇÃO, SELEÇÃO GENÉTICA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
GEVARTOSKY, Raysa. Enviromic-based kernels optimize resource allocation with multi-trait multi-environment genomic prediction for tropical maize. 2021. Dissertação (Mestrado) – Universidade de São Paulo, Piracicaba, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11137/tde-07012022-094055/. Acesso em: 19 jun. 2024.
APA
Gevartosky, R. (2021). Enviromic-based kernels optimize resource allocation with multi-trait multi-environment genomic prediction for tropical maize (Dissertação (Mestrado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11137/tde-07012022-094055/
NLM
Gevartosky R. Enviromic-based kernels optimize resource allocation with multi-trait multi-environment genomic prediction for tropical maize [Internet]. 2021 ;[citado 2024 jun. 19 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11137/tde-07012022-094055/
Vancouver
Gevartosky R. Enviromic-based kernels optimize resource allocation with multi-trait multi-environment genomic prediction for tropical maize [Internet]. 2021 ;[citado 2024 jun. 19 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11137/tde-07012022-094055/
Tese (Doutorado)
Enviromics, nonlinear kernels and optimized training sets for a climate-smart genomic prediction of yield plasticity in maize (2021)
Costa Neto, Germano Martins Ferreira ; Fritsche Neto, Roberto (Orientador)
Unidade: ESALQ
Assuntos: APRENDIZADO COMPUTACIONAL, FENÓTIPOS, GENÔMICA, INTERAÇÃO GENÓTIPO-AMBIENTE, MILHO, PREDIÇÃO, SELEÇÃO GENÉTICA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
COSTA NETO, Germano Martins Ferreira. Enviromics, nonlinear kernels and optimized training sets for a climate-smart genomic prediction of yield plasticity in maize. 2021. Tese (Doutorado) – Universidade de São Paulo, Piracicaba, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11137/tde-11102021-134352/. Acesso em: 19 jun. 2024.
APA
Costa Neto, G. M. F. (2021). Enviromics, nonlinear kernels and optimized training sets for a climate-smart genomic prediction of yield plasticity in maize (Tese (Doutorado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11137/tde-11102021-134352/
NLM
Costa Neto GMF. Enviromics, nonlinear kernels and optimized training sets for a climate-smart genomic prediction of yield plasticity in maize [Internet]. 2021 ;[citado 2024 jun. 19 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11137/tde-11102021-134352/
Vancouver
Costa Neto GMF. Enviromics, nonlinear kernels and optimized training sets for a climate-smart genomic prediction of yield plasticity in maize [Internet]. 2021 ;[citado 2024 jun. 19 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11137/tde-11102021-134352/

Biblioteca Digital de Produção Intelectual da Universidade de São Paulo 2012 - 2024