Modeling Genetic Effects on the Photothermal Response of Soybean Phenological Development
Notice bibliographique
Résumé
The identification of genes that affect plant growth and development has played a prominent role in modern plant research. Mathematical modeling can be a useful tool in this process of quantifying the effects of individual genes. In soybean [ Glycine max (L.) Merr.], seven loci ( E1 to E7) have been identified that condition time to flowering and maturity and photoperiod sensitivity. Twenty‐nine near‐isogenic lines with different combinations of alleles at six of these loci in either ‘Clark’ or ‘Harosoy’ background were used in this study. Days from planting to first flower were observed in these lines over 2 yr at two locations (Ottawa, ON, Canada, and Urbana, IL, USA) under natural daylength and a 20‐h photoperiod. A mathematical model was developed to simulate the effect of average daily temperature, photoperiod, and the temperature × photoperiod interaction. A photoperiod coefficient was calculated for each isoline, which resulted in an R 2 of 0.93 when calculations of times to first flower were correlated with observations. A submodel was developed to calculate photoperiod coefficients by adding contributions from each locus with dominant alleles. This reduced the 29 isoline coefficients to seven coefficients (one for each locus plus an additional value for unknown genes) but with a reduction of the R 2 of from 0.93 to 0.89. The E1 coefficient was approximately twice the size of the other five allele coefficients. Time from planting to first flower can be calculated from the average daily temperatures and latitude of a given location using the gene model if the genetic makeup of the line is known.
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 | 0,001 | 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 ».