MétaCan
Menu
Retour à la cohorte
Enregistrement W2210135433 · doi:10.2135/cropsci2015.02.0135

Improving Maize Grain Yield under Drought Stress and Non‐stress Environments in Sub‐Saharan Africa using Marker‐Assisted Recurrent Selection

2015· article· en· W2210135433 sur OpenAlexaff
Yoseph Beyene, Kassa Semagn, José Crossa, Stephen Mugo, G. N. Atlin, Amsal Tarekegne, Barbara Meisel, Pierre Sehabiague, B. Vivek, Sylvester O. Oikeh, Gregorio Alvarado, Lewis Machida, Michael Olsen, B. M. Prasanna, Marianne Bänziger

Notice bibliographique

RevueCrop Science · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetics and Plant Breeding
Établissements canadiensMonsanto (Canada)
Organismes subventionnairesBill and Melinda Gates FoundationUnited States Agency for International Development
Mots-clésBiologySelfingQuantitative trait locusSingle-nucleotide polymorphismPopulationSelection (genetic algorithm)Marker-assisted selectionGenetic gainSNPHybridGenetic markerGeneticsAgronomyGenotypeGenetic variationGene

Résumé

récupéré en direct d'OpenAlex

ABSTRACT In marker‐assisted recurrent selection (MARS), a subset of molecular markers significantly associated with target traits of interest are used to predict the breeding value of individual plants, followed by rapid recombination and selfing. This study estimated genetic gains in grain yield (GY) using MARS in 10 biparental tropical maize ( Zea may L.) populations. In each population, 148 to 184 F 2:3 (defined as C 0 ) progenies were derived, crossed with a single‐cross tester, and evaluated under water‐stressed (WS) and well‐watered (WW) environments in sub‐Saharan Africa (SSA). The C 0 populations were genotyped with 190 to 225 single‐nucleotide polymorphism (SNP) markers. A selection index based on marker data and phenotypic data was used for selecting the best C 0 families for recombination. Individual plants from selected families were genotyped using 55 to 87 SNPs tagging specific quantitative trait loci (QTL), and the best individuals from each cycle were either intercrossed (to form C 1 ) or selfed (to form C 1 S 1 and C 1 S 2 ). A genetic gain study was conducted using test crosses of lines from the different cycles F 1 and founder parents. Test crosses, along with five commercial hybrid checks were evaluated under four WS and four WW environments. The overall gain for GY using MARS across the 10 populations was 105 kg ha −1 yr −1 under WW and 51 kg ha −1 yr −1 under WS. Across WW environments, GY of C 1 S 2 –derived hybrids were 8.7, 5.9, and 16.2% significantly greater than those of C 0 , founder parents, and commercial checks, respectively. Results demonstrate the potential of MARS for increasing genetic gain under both drought and optimum environments in SSA.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,062
Tête enseignante GPT0,230
Écart entre enseignants0,167 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations107
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCrop ScienceMême sujetGenetics and Plant BreedingTravaux en français237 207