MétaCan
Menu
Retour à la cohorte
Enregistrement W2063031851 · doi:10.1111/j.1439-0434.2006.01097.x

Comparison of Screening Methods for Resistance to <i>Fusarium</i> Root Rot in Common Beans (<i>Phaseolus vulgaris</i> L.)

2006· article· en· W2063031851 sur OpenAlexafffund
S. Chaudhary, Terry Anderson, S. J. Park, Kangfu Yu

Notice bibliographique

RevueJournal of Phytopathology · 2006
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePlant Pathogens and Fungal Diseases
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésRoot rotPhaseolusBiologyFusarium solaniFusariumHorticultureHypocotylBotanyAgronomy

Résumé

récupéré en direct d'OpenAlex

Abstract Root rot, caused by Fusarium solani f. sp. phaseoli, is one of the main root diseases impacting production of common beans throughout the world. Because resistance of common beans to root rot is a quantitative trait that is strongly influenced by environmental factors, reproducible methods to screen bean plants for resistance to root rot are critical to the selection process. In this study, we adapted the inoculum layer method (ILM) developed for screening soybeans for resistance to Phytophthora rot and compared it with the traditional liquid inoculum method (LIM) for screening common beans for resistance to Fusarium root rot. In addition, two methods of evaluating resistance using the ILM were compared. The most significant Pearson correlation coefficient between trials involving 80 recombinant inbred lines was achieved with the ILM and counting discoloured vascular bundles in the lower stem (rp = 0.7113***) compared to rating the discoloration on root and hypocotyl (rp = 0.5555***). The traditional (LIM) screening method and rating the discolouration on roots resulted in a non‐significant correlation between trials (rp = 0.1084).

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,358
Écart entre enseignants0,339 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of PhytopathologyMême sujetPlant Pathogens and Fungal DiseasesTravaux en français237 207