Use of GGE biplot methodology for genetic analysis of yield and related traits in melon (<i>Cucumis melo</i>L.)
Notice bibliographique
Résumé
Dehghani, H., Feyzian, E., Jalali, M., Rezai, A. and Dane, F. 2012. Use of GGE biplot methodology for genetic analysis of yield and related traits in melon ( Cucumis melo L.). Can. J. Plant Sci. 92: 77–85. A complete diallel cross experiment of six local Iranian melon populations (Eyvanaki, Abasali, Tashkandi, Hose-sorkh, Mashhadi and Mirpanji) and one cultivar (Ananasi) was conducted. Fruit number, average weight per fruit, yield and acceptable yield were re-evaluated using GGE biplot methodology. The two principal components of biplot explained 70, 58, 86 and 88% of total observed variation for yield, acceptable yield, average weight per fruit and fruit number per plant, respectively. Mirpanji had the highest GCA for yield, acceptable yield and average weight per fruit, but the highest negative GCA for fruit number per plant. Abasali showed the highest positive GCA for fruit number. Biplot analysis allowed a rapid and effective overview of general combining ability (GCA) and specific combining ability (SCA) effects of the populations, their performance in crosses, as well as grouping patterns of similar genotypes.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».