Genetic Architecture Underlying Kernel Quality in Food‐Grade Maize
Notice bibliographique
Résumé
ABSTRACT Kernel quality of food‐grade maize ( Zea mays L.) impacts the quality of the final product and is related to dry matter loss during the alkaline cooking process. Kernel size, density, and endosperm hardness are the main kernel characteristics that determine kernel quality. Insight into the genetics governing food‐grade kernel quality parameters and the influence of environment on them was gained through a series of genetic experiments. We initially characterized kernel quality in a breeding cross involving two white food‐grade maize inbred lines, SD79 and SD80. Two hundred forty F 2:3 –derived lines, the two parental inbred lines, and the F 1 were grown in replicated trials at one location. Test weight, 50‐kernel weight, and percentage of thin kernels were measured and then compared with data collected from the Stenvert hardness test assay. Using these kernel quality parameters five high‐quality (H) and five low‐quality (L) lines were identified. The five H lines and five L lines were subsequently used in a H × H, L × L, and H × L mating scheme to examine the genetic effects governing the main kernel quality parameters (test weight, kernel size, and kernel weight). The 45 hybrids from the combination of the two partial diallels and the NC Design II mating scheme were grown in replicated trials at three locations. In general, the inheritance of test weight, kernel weight, and kernel size is influenced primarily by additive genetic effects.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».