Effect of Genotype, Environment, and Genotype × Environment Interaction on Tocopherol Accumulation in Soybean Seed
Notice bibliographique
Résumé
ABSTRACT Soybean seeds [Glycine max (L.) Merrill] are a major source of tocopherols that provide many human health benefits including decrease in lung cancer risk and osteoporosis. The objectives of this study were: (i) to determine the impact of genotype, environment, and genotype × environment on soybean seed tocopherols and (ii) to evaluate relationships between agronomic traits and tocopherols. Seventy‐nine recombinant inbred lines (RILs) from the cross OAC Bayfield × OAC Shire were grown in three field locations in southern Ontario, Canada, in 2009 and 2010. Agronomic and seed quality data were collected in each location. Significant differences (P < 0.001) for the α‐, γ‐, δ‐, and total tocopherol concentrations were found in the seed of RILs using combined ANOVA for 2009 and 2010. Of the two parental lines, OAC Bayfield accumulated more total tocopherol at most environments. Genotype, location, and year differences were significant as well as genotype × location, location × year, and line × year interactions. Broad‐sense heritability estimates were 0.38 for α‐, 0.47 for γ‐, and 0.35 for δ‐tocopherol. None of the agronomic traits were consistently correlated with any of the tocopherol components; however, oil and protein concentration were correlated to some tocopherols in some of the environments. The wide range in values for α‐, γ‐, δ‐, and total tocopherols among the RIL population that exceeded both parents provided evidence for transgressive segregation. Our results suggest that soybean producers should take locations and genotypes into account when growing soybean for enhanced tocopherol production.
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) | 0,001 | 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 ».