Leonardo Lopes Bhering

Possui graduação em Agronomia pela Universidade Federal de Viçosa (2004), mestrado em Genética e Melhoramento de Plantas pela Universidade Federal de Lavras (2006), doutorado em Genética e Melhoramento pela Universidade Federal de Viçosa (2008) e pós-doutorado pela University of Califórnia Riverside - USA (2015). Atuou como melhorista florestal na Vallourec Mannesmann (2007-2008), e como pesquisador A da Embrapa Agroenergia (2008-2010). Atualmente é professor Associado 3 da Universidade Federal de Viçosa. Coordenou o Programa de Pós-Graduação em Genética e Melhoramento da UFV (2017-2021) (conceito 7- CAPES). Foi bolsista do Programa Funarbe de Apoio à Pesquisa para Jovens Docentes Pesquisadores (Funarpeq 2012) e bolsista CNPq do Programa de Pós-Doutorado no Exterior realizado na University of Califórnia Riverside - USA (2015). Atualmente é bolsista produtividade nível 1B do CNPq e autor do software Rbio (Biometria no R). Tem experiência na área de Genética, com ênfase em Biometria. Website

Projetos

  • Fatores que influenciam o tempo de execução do banho no leito em pacientes críticos
  • Redes neurais convolucionais aplicadas ao diagnóstico de doenças em eucalipto
  • Inteligência computacional e fenotipagem de alto rendimento na classificação de espécies florestais

Orientações em Andamento

  • Dissertação de mestrado:
  • João Amaro Ferreira Vieira Netto

  • Tese de doutorado:
  • Michelle Brandão Damacena

  • Trabalho de conclusão de curso de graduação:
  • Emanuel Ferrari do Nascimento

  • Iniciação científica:
  • Alexandre Lima Oliveira
    Emanuel Ferrari do Nascimento

  • Orientações de outra natureza:
  • Isabella Magalhães Quintão Fraga
Aréas Atuação e Pesquisa
  • Análise de dados de programas de melhoramento vegetal;
  • Genética Quantitativa;
  • Biometria.
Contato: leonardo.bhering@ufv.br

Publicações Sugeridas

PEIXOTO, M. A. et al. Simulation based decision making and implementation of tools in hybrid crop breeding pipelines. CROP SCIENCE, v. 64, p. 110-125, 2024.

SILVA JUNIOR, A. C. et al. Bayesian inference applied to soybean grown under different shading levels using the multiple-trait model. SCIENTIA AGRICOLA, v. 81, p. 1, 2024.

MALIKOUSKI, RENAN GARCIA et al. Recommendation of Tahiti acid lime cultivars through Bayesian probability models. PLoS One, v. 19, p. e0299290, 2024.

PEIXOTO, MARCO ANTÔNIO et al. Utilizing genomic prediction to boost hybrid performance in a sweet corn breeding program. Frontiers in Plant Science, v. 15, p. 1, 2024.

TOLEDO, L. V. et al. Artificial intelligence to predict bed bath time in Intensive Care Units. REVISTA BRASILEIRA DE ENFERMAGEM, v. 77, p. 1, 2024.

CHAVES, SAULO F. S. et al. Employing factor analytic tools for selecting high-performance and stable tropical maize hybrids. CROP SCIENCE, v. 1, p. 1, 2023.