Menu

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

Filtros

Refine with date range

  • 1

1 - 2 (2 records)

  • 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

    Subjects: CARACTERIZAÇÃO AMBIENTAL, GENÔMICA, INTERAÇÃO GENÓTIPO-AMBIENTE, MILHO, POPULAÇÕES VEGETAIS, PREDIÇÃO, SELEÇÃO GENÉTICA

    Acesso à fonteAcesso à fonteDOIHow to cite
    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: 18 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. 18 ] 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. 18 ] 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

    Subjects: APRENDIZADO COMPUTACIONAL, FENÓTIPOS, GENÔMICA, INTERAÇÃO GENÓTIPO-AMBIENTE, MILHO, PREDIÇÃO, SELEÇÃO GENÉTICA

    Acesso à fonteAcesso à fonteDOIHow to cite
    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: 18 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. 18 ] 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. 18 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11137/tde-11102021-134352/
  • 1

1 - 2 (2 records)

Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2024