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: Crop Science
- ISSN: 0011183X
- Volume/Número/Paginação/Ano: online, p. 1-16, 2020
- Status:
- Artigo possui versão em acesso aberto em repositório (Green Open Access)
- Versão do Documento:
- Versão submetida (Pré-print)
- Acessar versão aberta:
-
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: 31 mar. 2026. -
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 2026 mar. 31 ] 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 2026 mar. 31 ] 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
- Population-tailored mock genome enables genomic studies in species without a reference genome
- The effect of bienniality on genomic prediction of yield in arabica coffee
- Optimization of UAS‐based high‐throughput phenotyping to estimate plant health and grain yield in sorghum
- Melhoramento para eificiência no uso do nitrogênio
- EnvRtype: a software to interplay enviromics and quantitative genomics in agriculture
- Classification of plant growth‐promoting bacteria inoculation status and prediction of growth‐related traits in tropical maize using hyperspectral image and genomic data
- Deep purple - an open-pollinated variety to induce haploids in tropical maize
- On the usefulness of parental lines GWAS for predicting low heritability traits in tropical maize hybrids
- CV-α: designing validations sets to increase the precision and enable multiple comparison tests in genomic prediction
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
2994428-Genomic_predictio... |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
