MétaCan
Menu
Retour à la cohorte
Enregistrement W2578882765

Использование молекулярных методов селекции на устойчивость к сетчатой пятнистости ячменя (обзор)

2015· article· ru· W2578882765 sur OpenAlexaboutno aff
Донцова Александра Александровна

Notice bibliographique

RevueПолитематический сетевой электронный научный журнал Кубанского государственного аграрного университета · 2015
Typearticle
Langueru
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Productivity and Crop Improvement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiologyPlant breedingResistance (ecology)BiotechnologyGenotypePlant disease resistanceMarker-assisted selectionGeneGeographyAgronomyGenetics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In recent years, due to the increasing aridity there was an increase in the frequency of epiphytoties leaf disease of barley. Therefore, we can see now how greatly increased the need for the creation of resistant grades. Introduction of the selection marker will significantly speed up the breeding process for resistance to pathogens. Employees of the All-Russian Institute of Plant Protection recommended three genes - Rpt 1b, Rpt 5, Rpt 6 to control the resistance to the pathogen Pyrenophora teres for use in breeding programs in the North Caucasus. Rpt 5 gene is one of the most efficient one, because it determines the resistance to the eight isolates of the fungus Pyrenophora teres of different origin. In 2011, Australian scientists have discovered microsatellite markers called Bmag0173 and HVM74, closely linked to the gene Rpt5, which are used very effectively in order to marker-assisted selection of resistant grades in Australia and Canada. Due to the urgency of creating new genotypes carrying resistance genes to net blotch, that would be effective in the Southern Federal Region, the staff of All-Russian Scientific-research institute of Grain Crops after I.G. Kalinenko and the All-Russian Research Institute of Plant after N.I. Vavilov has developed a practical strategy for the use of molecular techniques to create barley grades resistant to this pathogen, which is being successfully implemented

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,111

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,002
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0330,014

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 Opus0,068
Tête enseignante GPT0,228
Écart entre enseignants0,160 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueПолитематический сетевой электронный научный журнал Кубанского государственного аграрного университетаMême sujetAgricultural Productivity and Crop ImprovementTravaux en français237 207