MétaCan
Menu
Retour à la cohorte
Enregistrement W2787415174 · doi:10.5539/jas.v10n3p253

Combining Ability for Grain Yield Performance among CIMMYT Germplasm Adapted to the Mid-Altitude Conditions

2018· article· en· W2787415174 sur OpenAlexvenueno aff
Casper Nyaradzai Kamutando, Cosmos Magorokosho, Shorai Dari

Notice bibliographique

RevueJournal of Agricultural Science · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetics and Plant Breeding
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGermplasmHybridHeritabilityBiologyGrain yieldInbred strainAgronomyGene–environment interactionYield (engineering)HeterosisDrought toleranceInteractionZea maysGenetic gainBiotechnologyGenotypeGenetic variationGenetics

Résumé

récupéré en direct d'OpenAlex

The International Centre for Maize and Wheat Improvement (CIMMYT) develops maize (Zea mays L.) inbred lines and hybrids yearly that have several breeding and commercial attributes. However, no genetic analysis has been done on the recently developed inbred lines for yield performance under drought and low-N stress. The objectives of this study were to identify lines with positive general combining ability (GCA) effects for grain yield under stress environments and to identify the best single-cross hybrids with the highest specific combining ability (SCA) effects. Analysis of variance combined across sites showed significant mean squares for genotypes, locations and genotype by environment interaction (GEI) for grain yield. GCAlines, SCA and components of interaction effects were significant across sites. Additive genetic variance was more important than dominance variance in determining yield performance across locations indicating that selection based on grain yield under drought and low-N stress can be effective. Average grain yield across the eight locations ranged from 1.61 t ha-1 to 10.63 t ha-1 while narrow sense heritability for grain yield was 52.6% across sites and was slightly lower under managed drought and low-N stress. The testers CL115807 and CL106622 showed positive and significant GCA effects for yield performance under drought and low-N stress respectively. The best tester across all sites was CL115793 and line CZL0713 had consistently positive GCA effects for grain yield across sites. CML536 × CL115802 and CML312 × CL106508 were the best single crosses under low nitrogen stress sites while hybrid CML312 × C323-45 showed the highest positive SCA effects across sites. In conclusion, our results show that CIMMYT has new lines that have desirable adaptive attributes when grown under drought and low nitrogen stress environments in the mid-altitude region; hence these can be adopted for hybrid, synthetic and OPV formation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,963
Score d'incertitude au seuil0,868

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,240
Écart entre enseignants0,202 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetGenetics and Plant BreedingTravaux en français237 207