Скринінг генофонду сої культурної за стійкістю до біо– та абіотичних чинників
Notice bibliographique
Résumé
The results of studies of collection and breeding soybean material for resistance to Fusarium, drought and heat are presented. The aim and tasks of the study. Search for soybean starting material with high adaptive features and resistance to Fusarium, formation of source collections, their use in breeding to develop high-yielding varieties that are resistant to Fusarium, drought and heat. Materials and methods. 300 accessions were evaluated for resistance to Fusarium on infectious background by standard methods in 2005-2012. Adaptability of the modern soybean assortment (83 accessions) to heat and drought was evaluated under contrasting conditions in the field (control) and in a manmade rainfall shelter in 2012-2013. Results and discussion. A working soybean collection consisting of 51 accessions from 11 countries was formed by individual resistance to Fusarium. Accessions OAC Shire (513 g/m2), Sofia (475 g/m2), Lara (448 g/m2), Predator (440 g/m2), Sviatohor (433 g/m2), Sharm (428 g/m2), T1 (425 g/m2), and MN 1401 (410 g/m2) combine resistance to Fusarium with high yield capacity. Another working soybean collection consisting of 83 accessions from 15 countries was formed by resistance to drought and heat. Variety Hali showed a very high drought resistance; accessions Soniachna, Soier 345, Pripiat were highly resistant; accessions F 50 R/W, Yankan, Antrathyt, Alisa, Tanais, Samer 2, Baika, Labrador, Emerson, L 101, Larisa , L 55-13, Gaillard, Bilosnizhka, Sprytna, Hera, Merlin, L 52-13, Karikachi, Donskaya (milky), Sprint, N 0300, Walsh, UIR 021752, and Desna were medium resistant. Variety Hali combines a very high drought resistance with high productivity; accession Soier 345 - high drought resistance with high productivity; accessions F 50 R/W, Yankan, Baika, L 101, Larisa, Gaillard, Sprytna, Donskaya (milky), UIR 021752, and Desna - medium drought resistance with high productivity. Conclusions. The working soybean collection by individual resistance to Fusarium includes 51 accessions from 11 countries. The working soybean collection by resistance to drought and heat includes 83 accessions from 15 countries
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 | 0,000 | 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 | 0,002 | 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 ».