Genetic diversity among varieties of the native forage grass <i>Trichloris crinita</i> based on AFLP markers, morphological characters, and quantitative agronomic traits
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We assessed the genetic diversity in Trichloris crinita (Poaceae) varieties from South America, using AFLPs, morphological characters, and quantitative agronomic traits. Owing to the importance of this species for range grazing, we first characterized the varieties based on forage productivity. Biomass production varied 9 fold among the materials evaluated. Analysis of AFLP fingerprints allowed the discrimination of all varieties with a few selected primer combinations. Pair-wise genetic similarities, using marker data, ranged from 0.31 to 0.92 (Jaccard coefficients). Marker-based unweighted pair group method with arithmetic averaging (UPGMA) cluster analysis did not show geographical clustering, but rather grouped the varieties according to their biomass production. We identified 18 markers associated with biomass production, of which 8 showed complete correlation (r = 1.00) with this trait. These DNA markers can be used to assist selection for high forage productivity in T. crinita. Cluster analysis using morphological and quantitative characters revealed 4 distinct groups of varieties, clearly separated according to their biomass yield. The variables foliage height and basal diameter were strongly correlated with biomass production and these phenotypic markers can be used to select productive plants. The relations among the varieties based on AFLP data were significantly correlated with those based on agronomic and morphological characters, suggesting that the 2 systems give similar estimates of genetic relations among the varieties.
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.
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 découle