MétaCan
Menu
Retour à la cohorte
Enregistrement W2530259322 · doi:10.22103/jab.2015.1350

Study of genetic diversity in rapeseed (Brassica napus L.) genotypes using microsatellite markers

2015· article· en· W2530259322 sur OpenAlexaboutno aff
Zahra Barzan, Reza Amiri Fahliani

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueNitrogen and Sulfur Effects on Brassica
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRapeseedBrassicaMicrosatelliteGenetic diversityBiologyGenotypeBotanyGeneticsAgronomyAlleleGeneSociologyDemography

Résumé

récupéré en direct d'OpenAlex

Oilseed crops such as canola have important role to produce oil and energy needed for human. Information about genetic variability based on different markers, particularly molecular markers has played a key role in designing breeding programs. To study the genetic diversity in 24 genotypes of rapeseed, the 10 microsatellite primers were used according to previous studies. The results showed that the average polymorphic information content for assessing primers was 0.55 and the mean observed and expected heterozygosity for all primers, were 0.35 and 0.41 respectively. NA12-E09 locus had the highest rate (1.0893) of Shannon diversity index, which represents diversity among the population, whereas loci RA2-A11 and OL10-G06 had the lowest Shannon index. Cluster analysis based on molecular data using Jaccard's similarity coefficient and UPGMA method, grouped rapeseed varieties into the third major group. Accordingly, CR3133 variety of Canada origin which is located in a separate group showed lower similarity compared with other varieties. In general, rapeseed genotypes showed intra-species diversity based on microsatellite markers could be used in plant breeding programs

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,013

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
Bibliométrie0,0020,001
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 Opus0,201
Tête enseignante GPT0,491
Écart entre enseignants0,290 · 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'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

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetNitrogen and Sulfur Effects on BrassicaTravaux en français237 207