Basis for Selecting Soft Wheat for End‐Use Quality
Notice bibliographique
Résumé
ABSTRACT Within the United States, end‐use quality of soft wheat ( Triticum aestivum L.) is determined by several genetically controlled components: milling yield, flour particle size, and baking characteristics related to flour water absorption. In 2007 and 2008, we measured the soft wheat quality of 187 soft winter wheat cultivars, released from 1801 to 2005, for the eastern United States. Wheat cultivars were grown in nine eastern United States environments. Quality traits included test weight, flour yield, softness equivalent (an estimator of break flour yield), flour protein concentration, solvent retention capacity (SRC) of flour, and sugar‐snap cookie quality. All of the traits had large variance components due to genotype. Flour milling characteristics had the largest ratio of genotype variance to genotype × environment interaction variance. Based on multivariate analysis of the trait correlation structure, breeders should focus on milling yield, flour softness equivalent, and sucrose SRC, as they predict long‐flow flour milling performance and have value for commercial milling and baking. These traits also have large genetic variance relative to genotype × environment interactions and represent distinct aspects of quality. Although some improvement in soft wheat milling and baking quality has been observed over the past 200 yr, the dominant effect of selection appears to be a stable standard of quality that is associated with the soft wheat classes of the eastern United States.
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 | 0,000 |
| 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 ».