Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/36429
metadata.artigo.dc.title: Population parameters and selection of kale genotypes using Bayesian inference in a multi-trait linear model
metadata.artigo.dc.title.alternative: Parâmetros populacionais e seleção de genótipos de couve por inferência bayesiana em modelo linear multicaracterístico
metadata.artigo.dc.creator: Azevedo, Alcinei Mistico
Andrade Júnior, Valter Carvalho de
Santos, Albertir Aparecido dos
Sousa Júnior, Aderbal Soares de
Oliveira, Altino Júnior Mendes
Ferreira, Marcos Aurélio Miranda
metadata.artigo.dc.subject: Brassica oleracea L. var. acephala DC.
Genetic parameters
Crop breeding
Statistical modeling
Correlations
metadata.artigo.dc.publisher: Editora da Universidade Estadual de Maringá (Eduem)
metadata.artigo.dc.date.issued: Mar-2017
metadata.artigo.dc.identifier.citation: AZEVEDO, A. M. et al. Population parameters and selection of kale genotypes using Bayesian inference in a multi-trait linear model. Acta Scientiarum. Agronomy, Maringá, v. 39, n. 1, p. 25-31, Jan./Mar. 2017. DOI: 10.4025/actasciagron.v39i1.30856.
metadata.artigo.dc.description.resumo: Para selecionar genitores em programas de melhoramento deve-se obter os componentes de variância para estimar parâmetros genéticos e predizer valores genéticos, os quais podem ser obtidos vantajosamente pela inferência bayesiana. Quando várias características são avaliadas a inferência bayesiana pode ser utilizada em modelos multicaracterísticos. Objetivou-se obter estimativas de parâmetros genéticos, ganhos de seleção, conhecer as correlações genéticas entre as características, predizer valores genéticos e selecionar melhores genótipos de couve utilizando a abordagem bayesiana em modelo linear multicaracterístico. Foram avaliados o diâmetro do caule, altura da planta, número de brotações, número de folhas comercializáveis e massa fresca de folhas por inferência bayesiana em 22 genótipos de couve. Foi utilizado o delineamento em blocos casualizados com três repetições e quatro plantas por parcela. Verificou-se a predominância dos efeitos genéticos sobre os ambientais. As maiores estimativas de correlação foram encontradas entre a matéria fresca de folhas e as características diâmetro do caule, altura de plantas e número de folhas comercializáveis. Além das testemunhas comerciais, são indicados para o cultivo e para integrar programas de melhoramento os genótipos UFLA 11, UFLA 5, UFLA 6, UFVJM 3 e UFVJM 19. As estimativas do ganho de seleção indicaram o potencial de melhoramento para a população estudada.
metadata.artigo.dc.description.abstract: Variance components must be obtained to estimate genetic parameters and predict breeding values. This information can be obtained through Bayesian inference. When multiple traits are evaluated, Bayesian inference can be used in multi-trait models. The objective of this study was to obtain estimates of genetic parameters, gains with selection, and genetic correlations among traits. Likewise, we aim to predict the genetic values and select the best kale genotypes using the Bayesian approach in a multi-trait linear model. The following traits were evaluated: stem diameter, plant height, number of shoots, number of marketable leaves and fresh weight of leaves using Bayesian inference in 22 kale genotypes. The experiment consisted of a randomized block design with three replications and four plants per plot. Genetic effects predominated over environmental effects. The highest correlation estimates were found between the fresh weight of leaves and stem diameter and between the plant height and number of marketable leaves. The following commercial cultivars and genotypes are recommended for cultivation and to integrate into breeding programs: UFLA 11, UFLA 5, UFLA 6, UFVJM 3 and UFVJM 19. The estimates of the gain with selection indicate the potential for improvement of the studied population.
metadata.artigo.dc.identifier.uri: http://repositorio.ufla.br/jspui/handle/1/36429
metadata.artigo.dc.language: en_US
Appears in Collections:DAG - Artigos publicados em periódicos



This item is licensed under a Creative Commons License Creative Commons