MétaCan
Menu
Retour à la cohorte
Enregistrement W1964600128 · doi:10.1002/j.2050-0416.2001.tb00086.x

Floatation, a Bulk-Selection Method for Breeders which Permits the Selection of Faster Modifying Barley Grains

2001· article· en· W1964600128 sur OpenAlexaff
D. E. Briggs, S. M. Sole, Paul Bury

Notice bibliographique

RevueJournal of the Institute of Brewing · 2001
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWheat and Barley Genetics and Pathology
Établissements canadiensCanada Malting (Canada)
Organismes subventionnairesnon disponible
Mots-clésSelection (genetic algorithm)Fraction (chemistry)Maturity (psychological)Mass fractionMathematicsFood scienceComposition (language)NitrogenAgronomyBiologyChemistryComputer scienceChromatographyMachine learning

Résumé

récupéré en direct d'OpenAlex

We have confirmed that floatation in salt solutions can be used to separate less-dense, more mealy, lower nitrogen-containing barley from more dense barley with less good malting quality having more steely grains and higher nitrogen contents. This gives breeders a useful tool for mass-selecting barley with potentially favourable characteristics for malting. We have now shown that green malt can be fractionated by floatation on sucrose solutions into fractions the least dense of which contains grains which are the most completely modified. This allows grains that have malted well to be selected. Using this novel technique it has been possible to substantially enrich fractions with green malt corns of the better quality malting variety when mixtures of a good and a less-good malting barley had been micromalted. The green malt fractions can be grown on to maturity. This technique gives breeders a powerful mass-selection tool for enriching their genetically mixed breeding lines with strains of better malting quality. This approach should be particularly powerful if applied several times in successive generations. The best results are likely to be obtained by fractionating the barley, collecting the lightest material, micromalting it and then collecting the lightest fraction of the green malt for further propagation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,458
Score d'incertitude au seuil0,215

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,271
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Institute of BrewingMême sujetWheat and Barley Genetics and PathologyTravaux en français237 207