Plant breeding can be made more efficient by having fewer, better crosses
Notice bibliographique
Résumé
BACKGROUND: Crop yields have to increase to provide food security for the world's growing population. To achieve these yield increases there will have to be a significant contribution from genetic gains made by conventional plant breeding. However, the breeding process is not efficient because crosses made between parental combinations that fail to produce useful varieties consume over 99% of the resources. RESULTS: We tested in a rice-breeding programme if its efficiency could be improved by using many fewer, but more judiciously chosen crosses than usual. In a 15-year programme in Nepal, with varietal testing also in India and Bangladesh, we made only six crosses that were stringently chosen on complementary parental performance. We evaluated their success by the adoption and official release of the varieties they produced. We then modelled optimum cross number using assumptions based on our experimental results.Four of the six crosses succeeded. This was a fifty-fold improvement over breeding programmes that employ many crosses where only about one, or fewer, crosses in 200 succeed. Based on these results, we modelled the optimum number of crosses by assuming there would be a decline in the reliability of the breeder's prediction of the value of each cross as more crosses were made (because there is progressively less information on the traits of the parents). Fewer-cross programmes were more likely to succeed and did so using fewer resources. Making more crosses reduced the overall probability of success of the breeding programme. CONCLUSIONS: The efficiency of national and international breeding programmes would be increased by making fewer crosses among more carefully chosen parents. This would increase the number of higher yielding varieties that are delivered to farmers and hence help to improve food security.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».