Genome-enabled prediction of reproductive traits in Nellore cattle using parametric models and machine learning methods (2021)
- Authors:
- Alves, Anderson Antonio Carvalho - Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP)
- Espigolan, Rafael - Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP)
- Bresolin, Tiago - Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP)
- Costa, Rebeka Magalhães da - Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP)
- Fernandes Júnior, Gerardo Alves - Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP)
- Ventura, Ricardo Vieira
- Carvalheiro, Roberto - Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP)
- Albuquerque, Lucia Galvão de - Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP)
- Autor USP: VENTURA, RICARDO VIEIRA - FMVZ
- Unidade: FMVZ
- DOI: 10.1111/age.13021
- Subjects: GENOMAS; BOVINOS DE CORTE; MELHORAMENTO GENÉTICO ANIMAL
- Keywords: artificial neural network; fertility traits; genomic selection; random forest; support vector regression
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título do periódico: Animal Genetics
- ISSN: 0268-9146
- Volume/Número/Paginação/Ano: v. 52, n. 1, p. 32-46, Feb. 2021
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
ABNT
ALVES, Anderson Antonio Carvalho et al. Genome-enabled prediction of reproductive traits in Nellore cattle using parametric models and machine learning methods. Animal Genetics, v. 52, n. 1, p. 32-46, 2021Tradução . . Disponível em: https://doi.org/10.1111/age.13021. Acesso em: 24 abr. 2024. -
APA
Alves, A. A. C., Espigolan, R., Bresolin, T., Costa, R. M. da, Fernandes Júnior, G. A., Ventura, R. V., et al. (2021). Genome-enabled prediction of reproductive traits in Nellore cattle using parametric models and machine learning methods. Animal Genetics, 52( 1), 32-46. doi:10.1111/age.13021 -
NLM
Alves AAC, Espigolan R, Bresolin T, Costa RM da, Fernandes Júnior GA, Ventura RV, Carvalheiro R, Albuquerque LG de. Genome-enabled prediction of reproductive traits in Nellore cattle using parametric models and machine learning methods [Internet]. Animal Genetics. 2021 ; 52( 1): 32-46.[citado 2024 abr. 24 ] Available from: https://doi.org/10.1111/age.13021 -
Vancouver
Alves AAC, Espigolan R, Bresolin T, Costa RM da, Fernandes Júnior GA, Ventura RV, Carvalheiro R, Albuquerque LG de. Genome-enabled prediction of reproductive traits in Nellore cattle using parametric models and machine learning methods [Internet]. Animal Genetics. 2021 ; 52( 1): 32-46.[citado 2024 abr. 24 ] Available from: https://doi.org/10.1111/age.13021 - Opportunities and challenges of phenomics applied to livestock and aquaculture breeding in South America
- Obtenção de dados climáticos via construção de estação meteorológica
- Uncovering sub-structure and genomic profiles in across-countries subpopulations of Angus cattle
- Avaliação de diferentes parâmetros relacionados à captura de imagens para a predição da área corporal em suínos por meio de técnicas de processamento de imagens
- Genetic associations between stayability to consecutive calvings and traits of economic interest in taurine and zebu breeds
- Imputation accuracy to whole-genome sequence in Nellore cattle
- Updating pre-existing genetic evaluations system to evaluate high-throughput data in purebred and crossbred beef cattle
- Assessment of runs of homozygosity islands and estimates of genomic inbreeding in Gyr (Bos indicus) dairy cattle
- A random forest-based genome-wide scan reveals fertility-related candidate genes and potential inter-chromosomal epistatic regions associated with age at first calving in Nellore cattle
- Big data analytics and precision animal agriculture symposium: machine learning and data mining advance predictive big data analysis in precision animal agriculture
Informações sobre o DOI: 10.1111/age.13021 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 | VEN_15_3011032_R.pdf |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
