A heritability-adjusted GGE biplot for test environment evaluation
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
Test environment evaluation has become an increasingly important issue in plant breeding. In the context of indirect selection, a test environment can be characterized by two parameters: the heritability in the test environment and its genetic correlation with the target environment. In the context of GGE biplot analysis, a test environment is similarly characterized by two parameters: its discrimination power and its similarity with other environments. This paper investigates the relationships between GGE biplots based on different data scaling methods and the theory of indirect selection, and introduces a heritability-adjusted (HA) GGE biplot. We demonstrate that the vector length of an environment in the HA-GGE biplot approximates the square root heritability ( $$ \sqrt H $$ ) within the environment and that the cosine of the angle between the vectors of two environments approximates the genetic correlation (r) between them. Moreover, projections of vectors of test environments onto that of a target environment approximate values of $$ r\sqrt H $$ , which are proportional to the predicted genetic gain expected in the target environment from indirect selection in the test environments at a constant selection intensity. Thus, the HA-GGE biplot graphically displays the relative utility of environments in terms of selection response. Therefore, the HA-GGE biplot is the preferred GGE biplot for test environment evaluation. It is also the appropriate GGE biplot for genotype evaluation because it weights information from the different environments proportional to their within-environment square root heritability. Approximation of the HA-GGE biplot by other types of GGE biplots was discussed.
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