Cold Tolerance in Rice Plants: Phenotyping Procedures for Physiological Breeding
Notice bibliographique
Résumé
The study was conducted using physiological approach to identify rice accessions with superior performance when subjected to infra-optimum temperatures during initial development phase (V2-V4). Forty-two rice genotypes composed by background essentially indica, japonica and indica/japonica cross with a broad genetic and ecological diversity were used. Plants were grown under initial optimum temperatures gradient (OTG - 22/32 °C night/day) until V2 stage; subsequently were subjected to infra-optimum temperature gradient (ITG - 13/17 °C night/day) during three days; after all genotypes returned to OTG conditions for seven days to recovery. Principal components analysis (PCA) highlighted that the three principal components account for 75.16% of total variation at the end of evaluated period. There were similar contributions of effective quantum yield (Y(II) - stress) and electron transport rate variables after recovery period (ETR - recovery) for PC1. Interestedly, genotypes highly responsive under initial OTG which showed fast initial biomass accumulation were also highly sensitive to stress when subjected to ITG, with accentuated decreases in their physiological performance. Sel. TB 1211-3 line, CTB 1419, CTB 1444, CTB 1455 and AB 13720 progenies showed greater performance for physiological analyzed variables, being potentially useful for breeding efforts aiming improve cold tolerance in rice at initial phase.
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 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 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 ».