Genotype and growing environment influence chickpea (<i>Cicer arietinum</i> L.) seed composition
Notice bibliographique
Résumé
Abstract BACKGROUND: As a first step towards genetic improvement of seed quality in chickpea ( Cicer arietinum L.), seven desi and nine kabuli varieties were grown at multiple sites to assess the affect of environment on seed yield, weight and selected seed constituents. The sites were chosen to represent a range of environments in chickpea production areas of the Canadian prairies. RESULTS: Genotype × environment interaction effects on starch, amylose and protein (desi only) concentrations and seed yield were significant, suggesting that the varieties did not perform consistently relative to each other in the different environments. Starch concentration was negatively correlated ( r kabuli = −0.25, P < 0.05; r desi = −0.16, P < 0.05) with protein concentration in both chickpea market classes. However, repeatability estimates of starch, amylose and protein concentrations were low and inconsistent across chickpea market classes, possibly owing to complex biosynthetic pathways for these constituents. CONCLUSION: The results suggest that testing for seed constituent traits over a range of environments will be required to improve seed quality in individual chickpea varieties. The best selection strategies for seed constituent improvement in chickpea will be influenced by genotype and genotype × environment interaction for these traits. The negative relationship between seed constituents and yield indicates that selection for chickpea cultivars with desired seed composition may require compromise and indirect selection. Copyright © 2009 Crown in the right of Canada. Published by John Wiley & Sons, Ltd.
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 | 0,000 | 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 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 ».