Discrimination and assessment of black walnut (<i>Juglans nigra</i> L.) cultivars using phenology and microsatellite markers (SSRs)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Black walnut (Juglans nigra L.), a large tree native throughout the eastern United States, produces a high-quality edible nut. Our goal was to maintain the integrity of black walnut breeding programs by verifying the identity of accessions. We sampled 285 ramets of 78 cultivars from the black walnut nut breeding orchards and clonal repositories at the University of Missouri and Kansas State University. We employed both phenotypic and genotypic methods to identify and differentiate cultivars. Phenotypes were evaluated using seven phenological traits. Cultivars varied for all traits among each of the 4 yr, but the best morphological characteristics for evaluating cultivar identity were bud break date and date of first pistillate bloom. Samples (n = 285) were genotyped using 10 polymorphic microsatellite loci. The simple sequence repeats produced a total of 174 alleles and 17.2 alleles per locus. We detected 47 unique genotypes represented by more than one sample, including 128 instances of identical genotypes with different names (synonyms) and 106 instances of different genotypes with a shared name (homonyms). Our results indicated that multiple errors were committed during the propagation of these important cultivars. It may be difficult to determine which genotype is original to a cultivar name in the absence of a foundation plant materials collection or vouchered specimens. These results will assist black walnut breeders and producers by improving the integrity of breeding collections and by identifying the best phenological traits for rapid assessment of trueness to type.
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.
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 | 0,001 |
| 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 découle