MétaCan
Menu
Retour à la cohorte
Enregistrement W1967841131 · doi:10.1111/ppa.12351

Inheritance of maize resistance to gibberella and fusarium ear rots and kernel contamination with deoxynivalenol and fumonisins

2015· article· en· W1967841131 sur OpenAlexafffund
Ana Butrón, L. M. Reid, Rogelio Santiago, Ana Cao, Rosa Ana Malvar Pintos

Notice bibliographique

RevuePlant Pathology · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMycotoxins in Agriculture and Food
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesEuropean Social FundAgriculture and Agri-Food CanadaCanadian Field Crop Research AllianceMinisterio de Economía y Competitividad
Mots-clésBiologyFusariumMycotoxinFumonisinGibberellaResistance (ecology)HybridContaminationAgronomyVomitoxinBiotechnologyZearalenoneBotanyEcology

Résumé

récupéré en direct d'OpenAlex

The objective of this study was to investigate the stability, across well‐differentiated environments, of genetic control of maize resistance to Fusarium graminearum and Fusarium verticillioides ear rots and mycotoxin contamination, found in genotypes of diverse origin and adapted to different environments. This knowledge will help to design the most appropriate breeding programme to reduce mycotoxin content across a wide range of environments. Although maize genetics involved in resistance to ear rots and mycotoxin contamination greatly depended on the environment, additive and dominance effects were the predominant genetic effects in most environments. The stability across environments for resistance to ear rots and deoxynivalenol and fumonisin contamination was low, and recommended target areas of breeding programmes for either Fusarium species are different based on the different nature of genetic effect × environment interactions for each species. In general, the classification of inbreds and hybrids according to their resistance levels was similar across environments, suggesting that the same sources of resistance could be suitable for different environments, and breeding for resistance to one species would affect resistance to the other one.

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,855
Score d'incertitude au seuil0,159

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,018
Tête enseignante GPT0,193
Écart entre enseignants0,175 · 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'étudeObservationnel
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

Citations41
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePlant PathologyMême sujetMycotoxins in Agriculture and FoodTravaux en français237 207