Mapeamento genómico de um gene de resistência ao míldio em Brassica oleracea L.

Tese dout., Biologia, Universidade do Algarve, 2006

Antioxidant properties and phenol content of Portulaca oleracea L. leaf, stems and flowers infusions: health benefits

Dissertação de mest., Ciências Biomédicas, Departamento de Ciências Biomédicas e Medicina, Univ. do Algarve, 2011

The downy mildew resistance locus Pp523 is located on chromosome C8 of Brassica oleracea L.

We have previously constructed a genetic map of Brassica oleracea L. containing the Pp523 locus that confers downy mildew resistance to adult plants. In this work, 44 SSR markers of reference for the Brassica C genome chromosomes were added to the map, allowing the nine major linkage groups to be assigned to the nine chromosomes of B. oleracea. Locus Pp523 was located on chromosome C8, and a locus determining flower colour was mapped to chromosome C3. In comparison with the first version of the map, the new map is denser and more compact. The available genomic information on B. oleracea was enriched with the chromosome location of two phenotypic traits and 421 DNA markers (RAPD, ISSR, AFLP, SCAR, BAC-end derived STS, SSR and other PCR markers). Conversely, the genomic information on B. oleracea chromosome C8 is being used as an additional tool for the map-based cloning of Pp523, the first gene for adult plant resistance to downy mildew precisely located to a specific chromosome of this crop species.

Identificação das características dos clientes associadas ao risco de crédito

O processo da tomada de decisão sobre a avaliação de uma solicitação de crédito comercial é por vezes difícil para o julgamento humano, devido à imensidão de variáveis que estão em jogo e das suas inter- relações. Neste artigo propomo-nos identificar as características dos clientes associadas a alto e a baixo risco, com recurso a um modelo aplicacional. A partir de uma base de dados de um cartão de crédito, formada por variáveis de natureza qualitativa e quantitativa, ajustámos um modelo logit binário, com o objectivo de tornar o processo de decisão mais objectivo e quantificável. Em seguida, identificámos oito classes de risco através da aplicação de um método de classificação não hierárquica (K-means) sobre o vector da pontuação do modelo logit. Aferimos temporalmente o comportamento de cada classe de risco ao longo de 70 meses, verificando-se que probabilidades baixas de default estão associadas a classes de risco baixo. As características dos clientes tipicamente associadas ao risco de crédito foram identificadas através de uma Análise Factorial das Correspondências.