Genomic prediction enables early but low-intensity selection in soybean segregating progenies (2020)
- Authors:
- USP affiliated authors: FRITSCHE NETO, ROBERTO - ESALQ ; MENDONÇA, LEANDRO DE FREITAS - ESALQ ; GALLI, GIOVANNI - ESALQ
- Unidade: ESALQ
- DOI: 10.1002/csc2.20072
- Subjects: GENÉTICA QUANTITATIVA; GENÔMICA; MELHORAMENTO GENÉTICO VEGETAL; SELEÇÃO GENÉTICA; SOJA
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título do periódico: Crop Science
- ISSN: 0011183X
- Volume/Número/Paginação/Ano: online, p. 1-16, 2020
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
ABNT
MENDONÇA, Leandro de Freitas et al. Genomic prediction enables early but low-intensity selection in soybean segregating progenies. Crop Science, p. 1-16, 2020Tradução . . Disponível em: https://doi.org/10.1002/csc2.20072. Acesso em: 24 abr. 2024. -
APA
Mendonça, L. de F., Galli, G., Malone, G., & Fritsche-Neto, R. (2020). Genomic prediction enables early but low-intensity selection in soybean segregating progenies. Crop Science, 1-16. doi:10.1002/csc2.20072 -
NLM
Mendonça L de F, Galli G, Malone G, Fritsche-Neto R. Genomic prediction enables early but low-intensity selection in soybean segregating progenies [Internet]. Crop Science. 2020 ; 1-16.[citado 2024 abr. 24 ] Available from: https://doi.org/10.1002/csc2.20072 -
Vancouver
Mendonça L de F, Galli G, Malone G, Fritsche-Neto R. Genomic prediction enables early but low-intensity selection in soybean segregating progenies [Internet]. Crop Science. 2020 ; 1-16.[citado 2024 abr. 24 ] Available from: https://doi.org/10.1002/csc2.20072 - The accuracy of different strategies for building training sets for genomic predictions in soybean segregating populations
- The effect of bienniality on genomic prediction of yield in arabica coffee
- Population-tailored mock genome enables genomic studies in species without a reference genome
- Optimization of UAS‐based high‐throughput phenotyping to estimate plant health and grain yield in sorghum
- Melhoramento para eificiência no uso do nitrogênio
- Acurácia da seleção simultânea para caracteres de interesse em milho tropical de segunda safra
- CV-α: designing validations sets to increase the precision and enable multiple comparison tests in genomic prediction
- Classification of plant growth‐promoting bacteria inoculation status and prediction of growth‐related traits in tropical maize using hyperspectral image and genomic data
- Automated machine learning: a case study of genomic “image-based” prediction in maize hybrids
- EnvRtype: a software to interplay enviromics and quantitative genomics in agriculture
Informações sobre o DOI: 10.1002/csc2.20072 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
