Generating and maintaining diversity at the elite level in crop breedingThis article is one of a selection of papers from the conference “Exploiting Genome-wide Association in Oilseed Brassicas: a model for genetic improvement of major OECD crops for sustainable farming”
Notice bibliographique
Résumé
Most breeding programs develop elite genotypes that are well adapted to the normal range of environmental conditions in the target production region. These elite lines have similar essential alleles for desirable end use characteristics, agronomics, disease resistance, and adaptation in the target region. The genetic makeup of these elite lines is complex. Intermating among the elite lines will often produce new variability through recombination with minimal risk of introducing new undesirable features, and is the source of most new cultivars. Eventually, this variation will be exhausted and new alleles must be introduced into the elite breeding population. Introducing desirable alleles from exotic germplasm may "pollute" the elite gene pool with undesirable alleles. Exotic germplasm may also disrupt essential allele combinations for adaptation, quality, and agronomic performance. New desirable alleles from exotic germplasm can be introgressed into an elite population in a systematic way through limited backcrossing with a minimal disturbance to the finely tuned elite background. Combining recurrent selection within elite germplasm with a systematic introgression from exotic germplasm in the recurrent introgressive population enrichment (RIPE) system has created an open-ended, continually improving, and sustainable elite population breeding system, which is simple, effective, and a regular source of new cultivars.
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 | 0,000 | 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 ».