Classification of Rice Based on Statistical Analysis of Pasting Properties and Apparent Amylose Content: The Case of <i>Oryza glaberrima</i> Accessions from Africa
Notice bibliographique
Résumé
ABSTRACT The diversity of 1,020 Oryza glaberrima rice accessions being kept at the Genetic Resources Unit of the Africa Rice Center with a varied range of apparent amylose content (AAC) and pasting properties was explored with cluster analysis. Rice cultivars are usually characterized according to grain dimensions, AACs, and gelatinization temperatures; however, this work focused on grouping African rice accessions based on their pasting properties and AAC. Using the Ward method of hierarchical cluster analysis, 1,020 rice accessions were initially distributed into five major clusters and further into 23 subclusters. The distribution pattern indicated that clusters I, II, III, IV, and V formed 27.6, 10.2, 15.8, 23.7, and 22.6% of the entire population, respectively. Although some of the groups had similar AAC, their pasting properties were very different, making it imperative for further investigations. Peak viscosity highly correlated ( P < 0.01) with trough, breakdown, and final viscosities in all five clusters, whereas correlation between peak viscosity and AAC was not significant within clusters II and IV. Additionally, this categorization serves as a tool for exploring materials that can be employed in the development of rice cultivars for specific end uses.
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 | 0,000 | 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 ».