Accuracy of genomic predictions in Bos indicus (Nellore) cattle

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Predição genômica utilizando painéis de marcadores moleculares com diferentes densidades, em bovinos da raça Nelore

Pós-graduação em Genética e Melhoramento Animal - FCAV

Seleção genômica para características de carcaça em bovinos da raça Nelore

Pós-graduação em Genética e Melhoramento Animal - FCAV

Utilização de informações genômicas para o melhoramento genético de características da carne em bovinos da raça Nelore

Pós-graduação em Genética e Melhoramento Animal - FCAV

Metodologia de atribuição dos escores visuais e estudo de associação genômica para os escores de conformação, precocidade e musculosidade em bovinos Nelore

Pós-graduação em Genética e Melhoramento Animal - FCAV

Seleção genômica para características longitudinais de bovinos da raça Holandesa

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Genetic parameter estimates for buffalo milk yield, milk quality and mozzarella production and Bayesian inference analysis of their relationships

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Evaluation of an average numerator relationship matrix model and a Bayesian hierarchical model for growth traits in Nellore cattle with uncertain paternity

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Bayesian inference in genetic parameter estimation of visual scores in Nellore beef-cattle

The aim of this study was to estimate the components of variance and genetic parameters for the visual scores which constitute the Morphological Evaluation System (MES), such as body structure (S), precocity (P) and musculature (M) in Nellore beef-cattle at the weaning and yearling stages, by using threshold Bayesian models. The information used for this was gleaned from visual scores of 5,407 animals evaluated at the weaning and 2,649 at the yearling stages. The genetic parameters for visual score traits were estimated through two-trait analysis, using the threshold animal model, with Bayesian statistics methodology and MTGSAM (Multiple Trait Gibbs Sampler for Animal Models) threshold software. Heritability estimates for S, P and M were 0.68, 0.65 and 0.62 (at weaning) and 0.44, 0.38 and 0.32 (at the yearling stage), respectively. Heritability estimates for S, P and M were found to be high, and so it is expected that these traits should respond favorably to direct selection. The visual scores evaluated at the weaning and yearling stages might be used in the composition of new selection indexes, as they presented sufficient genetic variability to promote genetic progress in such morphological traits.

Bayesian analysis of random regression models using B-splines to model test-day milk yield of Holstein cattle in Brazil

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Estimation of genetic parameters for milk yield in Murrah buffaloes by Bayesian inference

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Genetic parameters for buffalo milk yield and milk quality traits using Bayesian inference

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Genetic correlations between heifer subsequent rebreeding and age at first calving and growth traits in Nellore cattle by Bayesian inference

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Comparing three indices of catch per unit effort using Bayesian geostatistics

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Bayesian binary regression model: an application to in-hospital death after AMI prediction

Um modelo bayesiano de regressão binária é desenvolvido para predizer óbito hospitalar em pacientes acometidos por infarto agudo do miocárdio. Métodos de Monte Carlo via Cadeias de Markov (MCMC) são usados para fazer inferência e validação. Uma estratégia para construção de modelos, baseada no uso do fator de Bayes, é proposta e aspectos de validação são extensivamente discutidos neste artigo, incluindo a distribuição a posteriori para o índice de concordância e análise de resíduos. A determinação de fatores de risco, baseados em variáveis disponíveis na chegada do paciente ao hospital, é muito importante para a tomada de decisão sobre o curso do tratamento. O modelo identificado se revela fortemente confiável e acurado, com uma taxa de classificação correta de 88% e um índice de concordância de 83%.