Genomics: A potential panacea for the perennial problem
Notice bibliographique
Résumé
Perennial crops represent important fresh and processed food sources worldwide, but advancements in breeding perennials are often impeded due to their very nature. The perennial crops we rely on most for food take several years to reach production maturity and require large spaces to grow, which make breeding new cultivars costly compared with most annual crops. Because breeding perennials is inefficient and expensive, they are often grown in monocultures consisting of small numbers of elite cultivars that are vegetatively propagated for decades or even centuries. This practice puts many perennial crops at risk for calamity since they remain stationary in the face of evolving pest and disease pressures. Although there is tremendous genetic diversity available to them, perennial crop breeders often struggle to generate commercially successful cultivars in a timely and cost-effective manner because of the high costs of breeding. Moreover, consumers often expect the same cultivars to be available indefinitely, and there is often little or no incentive for growers and retailers to take the risk of adopting new cultivars. While genomics studies linking DNA variants to commercially important traits have been performed in diverse perennial crops, the translation of these studies into accelerated breeding of improved cultivars has been limited. Here we explain the "perennial problem" in detail and demonstrate how modern genomics tools can significantly improve the cost effectiveness of breeding perennial crops and thereby prevent crucial food sources from succumbing to the perils of perpetual propagation.
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 ».