Redes Neurais Artificiais na Predição de Valores Genéticos: Aplicação de Inteligência Computacional e Seleção Genômica no Melhoramento de Plantas (in Portuguese)
Isabela De Castro Sant'anna; Cosme DamiÃO Cruz
Redes Neurais Artificiais na Predição de Valores Genéticos: Aplicação de Inteligência Computacional e Seleção Genômica no Melhoramento de Plantas (in Portuguese)
Redes Neurais Artificiais na Predição de Valores Genéticos: Aplicação de Inteligência Computacional e Seleção Genômica no Melhoramento de Plantas (in Portuguese) - Isabela De Castro Sant'anna; Cosme DamiÃO Cruz
Physical Book
$ 49.93
$ 59.29
You save: $ 9.36
16% discount
Envío gratis a todo Estados Unidos
Choose the list to add your product or create one New List
It will be shipped from our warehouse between Friday, May 31 and Monday, June 03.
You will receive it anywhere in United States between 1 and 3 business days after shipment.
Redes Neurais Artificiais na Predição de Valores Genéticos: Aplicação de Inteligência Computacional e Seleção Genômica no Melhoramento de Plantas (in Portuguese)
Isabela De Castro Sant'anna; Cosme DamiÃO Cruz
Synopsis "Redes Neurais Artificiais na Predição de Valores Genéticos: Aplicação de Inteligência Computacional e Seleção Genômica no Melhoramento de Plantas (in Portuguese)"
A identificação de genótipos com desempenho superior é um dos principais objetivos da maioria dos programas de melhoramento de plantas. No entanto, a capacidade de atingir esse objetivo é limitada pelo alto custo da fenotipagem e realização de experimentos. Neste contexto, a Seleção Genômica (SG) foi proposta para estimar o valor genético de indivíduos que ainda não foram fenotipados por meio de informações de marcadores distribuídos em todo o genoma. No entanto, a maioria das modelagens da SG expressam o valor fenotípico como função apenas do efeito aditivo do valor genotípico o que dificulta, muitas vezes, uma representação mais realística da arquitetura genética de caracteres quantitativos, sendo a inclusão de efeitos dominância e interações epistáticas fatores cruciais para aumentar a acurácia da predição. Neste contexto, as Redes Neurais Artificias (RNAs) tornam-se alternativas de análise promissoras por capturar relações não lineares entre os marcadores a partir dos próprios dados, o que a maioria dos modelos comumente utilizados na SG não conseguem.