Diversity and Mega‐Targets of Selection from the Characterization of a Barley Collection
Notice bibliographique
Résumé
Germplasm exchange is essential for assuring genetic gain in a breeding program. Two aspects of breeding programs are relevant to making them compatible for germplasm exchange: the amount of genetic diversity within programs and the identification of breeding programs with similar breeding objectives and environments of selection (i.e., mega‐targets of selection). The objective of this study was to develop a data‐driven method to group breeding programs likely to be compatible for germplasm exchange and to use phenotypic characterization data of barley ( Hordeum vulgare L.) from breeding programs to illustrate this method. In two locations in Uruguay we evaluated 20 traits in 353 genotypes of barley from 23 private and public breeding programs distributed worldwide. We found significant amounts of genetic diversity for all traits, but differences in diversity among programs for only seven traits. We identified programs with high (Western Australia Department of Agriculture; University of Saskatchewan; and Svalöf Weibull Ab, Sweden) and low diversity (winter program of Osijek Agricultural Institute, Croatia; spring program of Osijek Agricultural Institute, Croatia; Saatzucht Josef Breun, Germany; Busch Agricultural Resources; USDA‐ARS, Aberdeen, ID; and University of Minnesota). We developed a methodology that groups programs with similar performance and response to the environments. We used the methodology to group the 23 breeding programs of barley into sets that might benefit most from germplasm exchange. The identification of compatible programs for germplasm exchange could be relevant for improving genetic gains in breeding programs.
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 | 0,000 |
| 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 | 0,001 | 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 ».