Analysis of yield and oil from a series of canola breeding trials. Part I. Fitting factor analytic mixed models with pedigree informationThis article is one of a selection of papers from the conference “Exploiting Genome-wide Association in Oilseed Brassicas: a model for genetic improvement of major OECD crops for sustainable farming”.
Notice bibliographique
Résumé
In this paper multiplicative mixed models have been used for the analysis of multi-environment trial (MET) data for canola oil and grain yield. Information on pedigrees has been included to allow for the modelling of additive and nonadditive genetic effects. The MET data set included a total of 19 trials (synonymous with sites or environments), which were sown across southern Australia in 2007 and 2008. Each trial was designed as a p-rep design using DiGGeR with the default prespecified spatial model. Lines in their first year of testing were unreplicated, whereas there were two or three replications of advanced lines or varieties. Pedigree information on a total of 578 entries was available, and there were 69 entries that had unknown pedigrees. The degree of inbreeding varied from 0 (55 entries) to nearly fully inbred (337 entries). Subsamples of 2 g harvested grain were taken from each plot for determination of seed oil percentage by near infrared reflectance spectroscopy. The MET analysis for both yield and oil modelled genetic effects in different trials using factor analytic models and the residual plot effects for each trial were modelled using spatial techniques. Models in which pedigree information was included provided significantly better fits to both yield and oil data.
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.
Comment cette classification a été obtenuedéplier
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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».