MétaCan
Menu
Retour à la cohorte
Enregistrement W2468362191 · doi:10.1134/s1022795411120027

Genetic diversity in basmati rice (Oryza sativa L.) germplasm as revealed by microsatellite (SSR) markers

2012· article· en· W2468362191 sur OpenAlexaff
Muhammad Ashfaq, Ahmad Sattar Khan

Notice bibliographique

RevueRussian Journal of Genetics · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRice Cultivation and Yield Improvement
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésBiologyGermplasmMicrosatelliteGenetic diversityOryza sativaDendrogramIndelGeneticsGenotypeLocus (genetics)AlleleGenetic markerPlant breedingHorticultureSingle-nucleotide polymorphismGenePopulation

Résumé

récupéré en direct d'OpenAlex

Genetic diversity among rice genotypes, including 15 indica basmati advance lines and 5 basmati improved varieties were investigated by 28 SSR markets including one indel marker. The SSRs covered all the 12 chromosomes that distributed across the rice genomes. The mean number of alleles per locus was 3.60, showing average number of polymorphism information content was 0.48. A total of 101 alleles were also identified from the microsatellite marker loci. A number of SSR markers were also identified that could be utilized to differentiate between rice genotypes. Pair wise Nei,s genetic distance between rice genotypes ranged from 0.07 to 0.95. The dendrogram based on cluster analysis by using SSR polymorphism that grouped the 20 genotypes of rice in to five clusters based on their genetic similarity. The result could be useful for the identification and selection of the diverse genotypes for the future cross breeding program and development of new rice varieties.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,483
Score d'incertitude au seuil0,424

Scores Codex et Gemma par catégorie

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 Opus0,020
Tête enseignante GPT0,227
Écart entre enseignants0,207 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations24
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRussian Journal of GeneticsMême sujetRice Cultivation and Yield ImprovementTravaux en français237 207