Reliability of Measurement and Genotype × Environment Interaction for Potato Specific Gravity
Notice bibliographique
Résumé
Specific gravity (SpGr) is often used to measure the processing quality of potato ( Solanum tuberosum L.) tubers for French fries or potato chips because of its strong correlation with dry matter content and ease of measurement. For French fry processing genotypes, the desirable range for mean SpGr is typically 1.080 to 1.095, and a small variance around the mean is essential for product uniformity. Two multi‐year, multi‐location trials were conducted to investigate the genetics of SpGr in elite russet germplasm. Consistent with earlier studies, the mean SpGr was measured with high repeatability within each environment: the median plot‐basis value was 0.83 for a national trial with six locations and 3 yr. In contrast, the median repeatability of the SD between tubers was only 0.21. Thus, multi‐environment trials are needed to identify genotypes with a narrow SpGr distribution. Finlay–Wilkinson stability analysis of the mean SpGr established one genotype as an outlier: when best linear unbiased predictions were regressed on the environment means, this genotype had a regression coefficient of 2.1, compared with 0.4 to 1.4 for the others. The genetic correlation between environments showed a consistent regional pattern in mean SpGr over the years. There was a higher mean correlation between environments within the Pacific Northwest (0.97), Upper Midwest (0.91), and Northeast (0.85) than between environments from the different regions (0.35–0.78). Although breeding for national adaptation is an attractive idea, our results suggest that genetic gain may be easier to achieve at the regional level.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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 | 0,001 | 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 tête enseignante, 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 ».