Variation in growth, leaf, and wood property traits of Chinese white poplar (<i>Populus tomentosa</i>), a major industrial tree species in Northern China
Notice bibliographique
Résumé
The natural phenotypic variation in Chinese white poplar (Populus tomentosa Carr.), which is distributed across a wide geographical area of northern China (30°N–40°N, 105°E–125°E), is a potential source of beneficial variation for poplar breeding. Thirteen traits related to growth, leaf, and wood properties were quantified in 460 P. tomentosa individuals grown in a common garden plot. There was considerable range-wide phenotypic variation in all traits across individuals according to the patterns of ANOVA among hierarchical groups (populations and regions, respectively). A clear sexual dimorphism for seven traits was examined. In total, 32 trait–trait phenotypic correlations (P ≤ 0.05), 10 trait–geographical factor correlations (P ≤ 0.05), and a highly interrelated structure network were identified, which was further supported by principal component analysis (PCA). These associations can be used in multiple-trait selective breeding programs for advantageous phenotypic traits. A hierarchical cluster analysis was used to classify four groups (southeastern, central, northeastern, and southwestern populations) among the natural populations using these 13 phenotypic traits. This study provides important perspectives into the use of direct breeding to potentially improve economic traits and provides a starting point for genome-wide association studies in P. tomentosa in the near future.
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 | 0,000 | 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 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 ».