Evaluation of preharvest sprouting traits in a collection of spring wheat germplasm using genotype and genotype × environment interaction model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
With 10 tables Abstract Preharvest sprouting (PHS) can greatly affect the consistent production of high‐quality spring wheat ( Triticum aestivum L.) in many regions worldwide including Western Canada. A worldwide collection of red‐ and white‐seeded spring wheat genotypes with different levels of sprouting response were characterized for three PHS traits: falling number, germination index and sprouting index in three different environments in Manitoba, Canada. The data sets were analysed by the genotype and genotype × environment interaction model. Variance components were estimated, genotypic and their interaction effects with environments were predicted by using one of mixed linear model approaches: minimum norm quadratic unbiased estimation approach. Genotypic variance expressed as proportion to the phenotypic variance was higher compared to genotype × environment (G × E) interaction effects for all three PHS traits, suggesting that these genotypes can be used to develop high level of PHS‐resistant cultivars regardless of environment. Strong correlations between PHS traits across environments suggest that all three traits are repeatable and reliable methods to determine PHS response in spring wheat depending on sample types (spike, grain or flour). Predicted genotypic effects, G × E interaction effects and the linear discriminant analysis revealed that white‐seeded genotypes ‘AUS1408’, ‘SC8019‐R1’ and Kanata, and red‐seeded genotypes ‘AC Domain’, ‘AC Majestic’ and ‘Red RL4137’ would be useful PHS‐resistant donors in spring wheat cultivar development programmes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle