Structural equation modeling of the Canadian flax (<i>Linum usitatissimum</i> L.) core collection for multiple phenotypic traits
Notice bibliographique
Résumé
Zhang, T., Lamb, E. G., Soto-Cerda, B., Duguid, S., Cloutier, S., Rowland, G., Diederichsen, A. and Booker, H. M. 2014. Structural equation modeling of the Canadian flax (Linum usitatissimum L.) core collection for multiple phenotypic traits. Can. J. Plant Sci. 94: 1325–1332. Flax seed yield is a complex trait that results from the inter-relationship between many crop characteristics. Structural equation modeling (SEM) is a statistical method used to determine the relationship between measured variables such as crop characteristics. Crop phenology, canopy traits, yield, and its components were included in structural equation models to determine how these crop characteristics relate to seed yield in a phenotypically diverse collection of flax germplasm. Early season vigor (scored as greater plant stand) was positively associated with canopy light interception and higher seed yield. Plant height also had a significant positive effect on seed yield. Moreover, yield components such as 1000-seed weight, number of bolls per unit area, and boll weight were strongly and positively correlated with seed yield. Focusing on yield-related traits, canopy architecture and expansion, and seed weight may be advantageous over yield per se in breeding for yield improvement.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».