Genotypic Association of Parameters Commonly Used to Predict Canning Quality of Dry Bean
Notice bibliographique
Résumé
ABSTRACT To select dry bean ( Phaseolus vulgaris L.) varieties suitable for the canning and processing industry, it is essential to understand the genetic and environmental effects on the quality parameters as well as their associations. A dataset of 6 yr of dry bean quality evaluations in the multi‐location provincial registration trials in Ontario, Canada, with data for parameters routinely used by breeding programs to predict the final canning quality of breeding materials was used. Genetic, environmental, and genotype (G) × environmental effects and multi‐variable associations were studied using the estimates of the genotypic least squared means for the balanced yearly data and the best linear unbiased predictors (BLUPs) for the overall unbalanced data. Genetic effects, accounting for 35 to 76% of the variation in navy bean and 38 to 88% of the variation in large‐seeded bean, followed by location (L) effects, accounting for 11 to 66% of the variation in navy bean and 11 to 64% of the variation in large‐seeded bean, were more important than the genotype × location (GL) interaction effects for seed composition parameters. This was not the case for physical and texture parameters, where GL interaction effects were often most important. Positive associations were observed among hydration coefficient, can yield, and protein content in the yearly analyses as well as in the multi‐year analysis. The negative association between percent washed‐drain solids and bean texture after processing was also repeatedly observed over years. The associations reported here may guide further selection efforts in bean breeding programs.
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 | 0,002 | 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 ».