Genotype × Environment Interaction for Grain Color in Hard White Spring Wheat
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
Improvement of grain color in hard white spring wheat ( Triticum aestivum L.) breeding programs depends on understanding the influences of genotype (G), environment (E), and their interaction (G × E). The objectives of this study were to quantify genetic variability for grain color and assess the nature of the G × E interaction in determining grain color in 79 spring wheat genotypes. Twelve check cultivars [seven hard red (HR), four hard white (HW), and one soft white (SW)] and 67 white‐seeded Australian (AUS) accessions were grown at two locations across 2 yr. Wheat genotypes differed significantly in agronomic traits, grain protein, and kernel hardness. Grain and meal color were quantified using Hunterlab colorimeter values. Whole grain color values without ( L = 40.9–50.4 units; a = 7.0–8.3; b = 13.6–19.1) and with NaOH treatment ( L = 22.7–38.1; a = 7.7–9.7; b = 9.2–17.9) varied among genotypes. Using ground meal, color values ( L = 80.1–84.9; a = 1.8–2.6; b = 8.9–11.8), yellow pigment content (2.5–4.8 μg g −1 ), and lutein content (1.8–3.7 μg g −1 ) varied among genotypes. Genotype × location (L) interactions were not significant for colorimetric and pigmentation variables. The Azallini and Cox test detected one crossover G × year (Y) interaction for grain a ‐value (without NaOH), one for grain b ‐value (without NaOH), and 12 for lutein content. Genetic variation exists for grain color among HW genotypes. The noncrossover nature of G × E interactions for grain color indicates that white‐seeded genotypes selected as superior in one environment will be superior in other environments.
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