| |
|
|
|
Registro completo
|
|
Biblioteca (s) : |
INIA Las Brujas; INIA Tacuarembó. |
|
Fecha : |
21/02/2014 |
|
Actualizado : |
03/02/2018 |
|
Tipo de producción científica : |
Capítulo en Libro Técnico-Científico |
|
Autor : |
SAÑUDO, C. |
|
Afiliación : |
CARLOS SAÑUDO, Universidad de Zaragoza/ Facultad de Veterinaria (FVUZ). |
|
Título : |
Los puntos críticos en el camino hacia la calidad y la aceptabilidad de la carne de rumiantes: mitos y realidades |
|
Fecha de publicación : |
2007 |
|
Fuente / Imprenta : |
In: MONTOSSI, F.; SAÑUDO, C. (Eds.). Cooperación Hispano-Uruguaya. Diferenciación y valorización de la carne ovina y bovina del Uruguay en Europa: Influencia de Sistemas de Producción sobre Bienestar Animal, Atributos Sensoriales, Aceptabilidad y Percepción de Consumidores y Salud Humana Montevideo (Uruguay): INIA, 2007. |
|
Páginas : |
p. 5-8 |
|
Serie : |
(INIA Serie Técnica ; 168) |
|
ISBN : |
978-9974-38-239-8 |
|
ISSN : |
1688-9266 |
|
Idioma : |
Español |
|
Contenido : |
Existen una gran cantidad de factores que en los rumiantes pueden afectar, de forma directa o indirecta, a una o varias, de las características que englobaría la calidad del animal vivo, de su canal, carne, grasa y por ello, en definitiva, al valor del producto. Algunos de estos factores no están bien estudiados, otros tienen una influencia variable y otros controversial y solo unos pocos están lo suficientemente bien conocidos y controlados como para que podamos estar seguros de su acción y de la relación causa efecto que provocan. En cualquier caso, para países como Uruguay, en los que la producción de carne en sistemas pastoriles es una de las principales industrias, analizar y tener informa-ción de todas las posibilidades productivas es, o debería ser, una estrategia de análisis e investigación, de carácter prioritario. Este trabajo se encamina en esta línea. |
|
Thesagro : |
CALIDAD; CARNE; PRODUCCION ANIMAL. |
|
Asunto categoría : |
--
L01 Ganadería |
|
URL : |
http://www.ainfo.inia.uy/digital/bitstream/item/7793/1/st-168-2007-p.5-8.pdf
|
|
Marc : |
LEADER 01794naa a2200205 a 4500
001 1008029
005 2018-02-03
008 2007 bl uuuu u00u1 u #d
020 $a978-9974-38-239-8
022 $a1688-9266
100 1 $aSAÑUDO, C.
245 $aLos puntos críticos en el camino hacia la calidad y la aceptabilidad de la carne de rumiantes$bmitos y realidades
260 $c2007
300 $ap. 5-8
490 $a(INIA Serie Técnica ; 168)
520 $aExisten una gran cantidad de factores que en los rumiantes pueden afectar, de forma directa o indirecta, a una o varias, de las características que englobaría la calidad del animal vivo, de su canal, carne, grasa y por ello, en definitiva, al valor del producto. Algunos de estos factores no están bien estudiados, otros tienen una influencia variable y otros controversial y solo unos pocos están lo suficientemente bien conocidos y controlados como para que podamos estar seguros de su acción y de la relación causa efecto que provocan. En cualquier caso, para países como Uruguay, en los que la producción de carne en sistemas pastoriles es una de las principales industrias, analizar y tener informa-ción de todas las posibilidades productivas es, o debería ser, una estrategia de análisis e investigación, de carácter prioritario. Este trabajo se encamina en esta línea.
650 $aCALIDAD
650 $aCARNE
650 $aPRODUCCION ANIMAL
773 $tIn: MONTOSSI, F.; SAÑUDO, C. (Eds.). Cooperación Hispano-Uruguaya. Diferenciación y valorización de la carne ovina y bovina del Uruguay en Europa: Influencia de Sistemas de Producción sobre Bienestar Animal, Atributos Sensoriales, Aceptabilidad y Percepción de Consumidores y Salud Humana Montevideo (Uruguay): INIA, 2007.
Descargar
Esconder MarcPresentar Marc Completo |
|
Registro original : |
INIA Las Brujas (LB) |
|
|
Biblioteca
|
Identificación
|
Origen
|
Tipo / Formato
|
Clasificación
|
Cutter
|
Registro
|
Volumen
|
Estado
|
Volver
|
|
|
|
Registro completo
|
|
Biblioteca (s) : |
INIA Las Brujas. |
|
Fecha actual : |
12/08/2016 |
|
Actualizado : |
02/01/2017 |
|
Tipo de producción científica : |
Artículos en Revistas Indexadas Internacionales |
|
Circulación / Nivel : |
Internacional - -- |
|
Autor : |
LADO, B.; GONZÁLEZ BARRIOS, P.; QUINCKE, M.; SILVA, P.; GUTIÉRREZ, L. |
|
Afiliación : |
BETTINA LADO, Universidad de la República (UdelaR)/ Facultad de Agronomía; PABLO GONZÁLEZ BARRIOS, Universidad de la República (UdelaR)/ Facultad de Agronomía; MARTIN CONRADO QUINCKE WALDEN, INIA (Instituto Nacional de Investigación Agropecuaria), Uruguay; MARIA PAULA SILVA VILLELLA, INIA (Instituto Nacional de Investigación Agropecuaria), Uruguay; LUCIA GUTIÉRREZ, Universidad de la República (UdelaR)/ Facultad de Agronomía. |
|
Título : |
Modeling genotype x environment interaction for genomic selection with unbalanced data from a wheat breeding program. |
|
Fecha de publicación : |
2016 |
|
Fuente / Imprenta : |
Crop Science, 2016, v. 56, p. 1-15. OPEN ACCESS. |
|
DOI : |
http://dx.doi.org/10.2135/cropsci2015.04.0207 |
|
Idioma : |
Inglés |
|
Contenido : |
ABSTRACT.
Genomic selection (GS) has successfully been used in plant breeding to improve selection efficiency and reduce breeding time and cost. However, there is not a clear strategy on how to incorporate genotype ? environment interaction (GEI) to GS models. Increased prediction accuracy could be achieved using mixed models to exploit GEI by borrowing information from other environments. The objective of this work was to compare strategies to exploit GEI in GS using mixed models. Specifically, we compared strategies to
predict new genotypes by borrowing information from other environments modeling the correlation matrix across environments and to design sets of environments aiming for low GEI to predict genomic performance in new environments. We evaluated 1477 advanced wheat (Triticum aestivum L.) lines for yield in 35 location?year combinations genotyped with genotyping-bysequencing (GBS). Mixed models were used to obtain either overall or by-environment predictions for different sets of environments. Overall accuracy was high (0.5). Borrowing information from relatives evaluated in multiple environments and modeling the correlation matrix across environments was the best strategy to predict new
genotypes. On the other hand, the best strategy for predicting the performance of genotypes in new environments was either to predict across locations for single years or to predict within defined mega-environments (MEs) for any year or location. In summary, higher predictive ability was obtained by characterizing and by modeling GEI in the GS context.
© 2016. Crop Science Society of America, Inc. MenosABSTRACT.
Genomic selection (GS) has successfully been used in plant breeding to improve selection efficiency and reduce breeding time and cost. However, there is not a clear strategy on how to incorporate genotype ? environment interaction (GEI) to GS models. Increased prediction accuracy could be achieved using mixed models to exploit GEI by borrowing information from other environments. The objective of this work was to compare strategies to exploit GEI in GS using mixed models. Specifically, we compared strategies to
predict new genotypes by borrowing information from other environments modeling the correlation matrix across environments and to design sets of environments aiming for low GEI to predict genomic performance in new environments. We evaluated 1477 advanced wheat (Triticum aestivum L.) lines for yield in 35 location?year combinations genotyped with genotyping-bysequencing (GBS). Mixed models were used to obtain either overall or by-environment predictions for different sets of environments. Overall accuracy was high (0.5). Borrowing information from relatives evaluated in multiple environments and modeling the correlation matrix across environments was the best strategy to predict new
genotypes. On the other hand, the best strategy for predicting the performance of genotypes in new environments was either to predict across locations for single years or to predict within defined mega-environments (MEs) for any year or location. In summary, higher predictive ab... Presentar Todo |
|
Palabras claves : |
GENOMIC SELECTION; WHEAT. |
|
Thesagro : |
TRIGO. |
|
Asunto categoría : |
-- |
|
URL : |
http://dx.doi.org/10.2135/cropsci2015.04.0207
http://www.ainfo.inia.uy/digital/bitstream/item/5875/1/Lado-B.-2016.-Crop-Science.pdf
http://www.ainfo.inia.uy/digital/bitstream/item/5876/1/Lado-B.-2016.-Crop-Science-supplement.pdf
|
|
Marc : |
LEADER 02297naa a2200217 a 4500
001 1055260
005 2017-01-02
008 2016 bl uuuu u00u1 u #d
024 7 $ahttp://dx.doi.org/10.2135/cropsci2015.04.0207$2DOI
100 1 $aLADO, B.
245 $aModeling genotype x environment interaction for genomic selection with unbalanced data from a wheat breeding program.$h[electronic resource]
260 $c2016
520 $aABSTRACT. Genomic selection (GS) has successfully been used in plant breeding to improve selection efficiency and reduce breeding time and cost. However, there is not a clear strategy on how to incorporate genotype ? environment interaction (GEI) to GS models. Increased prediction accuracy could be achieved using mixed models to exploit GEI by borrowing information from other environments. The objective of this work was to compare strategies to exploit GEI in GS using mixed models. Specifically, we compared strategies to predict new genotypes by borrowing information from other environments modeling the correlation matrix across environments and to design sets of environments aiming for low GEI to predict genomic performance in new environments. We evaluated 1477 advanced wheat (Triticum aestivum L.) lines for yield in 35 location?year combinations genotyped with genotyping-bysequencing (GBS). Mixed models were used to obtain either overall or by-environment predictions for different sets of environments. Overall accuracy was high (0.5). Borrowing information from relatives evaluated in multiple environments and modeling the correlation matrix across environments was the best strategy to predict new genotypes. On the other hand, the best strategy for predicting the performance of genotypes in new environments was either to predict across locations for single years or to predict within defined mega-environments (MEs) for any year or location. In summary, higher predictive ability was obtained by characterizing and by modeling GEI in the GS context. © 2016. Crop Science Society of America, Inc.
650 $aTRIGO
653 $aGENOMIC SELECTION
653 $aWHEAT
700 1 $aGONZÁLEZ BARRIOS, P.
700 1 $aQUINCKE, M.
700 1 $aSILVA, P.
700 1 $aGUTIÉRREZ, L.
773 $tCrop Science, 2016$gv. 56, p. 1-15. OPEN ACCESS.
Descargar
Esconder MarcPresentar Marc Completo |
|
Registro original : |
INIA Las Brujas (LB) |
|
|
Biblioteca
|
Identificación
|
Origen
|
Tipo / Formato
|
Clasificación
|
Cutter
|
Registro
|
Volumen
|
Estado
|
Volver
|
| Expresión de búsqueda válido. Check! |
|
|
