Associations Among Oat Traits and Their Responses to the Environment
Notice bibliographique
Résumé
Desirable qualities of milling oat varieties include low hull content (high groat content), high beta-glucan content, high groat protein, low oil concentration, low kernel breakage, high grain yield, and superior yield stability. The objective of this study was to develop a graphical method for understanding the influence of environment on genetic relationships among traits. Associations among agronomic and quality traits in 67 oat (Avena sativa L.) performance trials conducted during 1996-2003 across Canada and some northern US states were studied using a trait-association by environment biplot, which allows visual study of pair-wise trait associations in multiple environments (year-location combinations). Based on the differential association of yield with days to heading and plant height, the North American spring oat growing regions can be divided into Northern mega-environment (Canadian Prairies plus North Dakota and Idaho) and Southern megaenvironment (Minnesota, South Dakota, and Ontario). We also found that the following trait associations were relatively stable across environments: (1) negative association of protein content vs. oat yield, (2) positive association of beta-glucan vs. groat oil, (3) positive association of beta-glucan vs. protein content, and (4) negative association of beta-glucan vs. breakage. All trait-associations were of moderate magnitude and were responsive to the environment. This suggests that breeding for superior oat varieties with desired trait combinations is possible, but it must be achieved through direct selection for multiple traits in representative environments.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».