MétaCan
Menu
Retour à la cohorte
Enregistrement W2789611435 · doi:10.5539/jas.v10n4p138

Genetic Variation among Robusta Coffee Genotypes for Growth and Yield Traits in Ghana

2018· article· en· W2789611435 sur OpenAlexvenueno aff
Abraham Akpertey, E. Anim-Kwapong, Atta Ofori

Notice bibliographique

RevueJournal of Agricultural Science · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueCoffee research and impacts
Établissements canadiensnon disponible
Organismes subventionnairesCocoa Research Institute of Ghana
Mots-clésCoffea canephoraHeritabilityRandomized block designYield (engineering)BiologyGenetic gainGenetic variationCoefficient of variationSelection (genetic algorithm)HorticultureMathematicsStatisticsCoffea arabicaGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Quantifying the level of variation and estimates of genetic parameters are important to make informed decisions regarding the improvement of agronomic traits in Coffea canephora. The objectives of the present study were to assess the growth and yield performance of 54 C. canephora clones derived through ortet selection, based on yield from a previous hybrid trial; estimate genetic parameters of growth traits (stem diameter, height, span, number of laterals, length of laterals and diameter of laterals), and yield; and determine the relationship between yield and the growth traits. The clones were planted in the field in 2009 using a randomized complete-block design with three replications. Significant (p < 0.01) clone effects for all traits and broadsense heritability range of 0.15 (mean yield of last 3 productive years)-0.43 (diameter of laterals) were observed. Stem diameter was moderately and positively correlated with early years’ yield (2012/13 mean yield, r = 0.49; p < 0.001), late years’ yield (2014 to 2016 mean yield, r = 0.44; p < 0.001), and mean yield across five years (r = 0.42; p = 0.001). Relatively high genotypic coefficient of variation and expected genetic advance values were obtained for the evaluated traits, which indicated a high probability of success of selection for these traits.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,958
Score d'incertitude au seuil0,146

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,024
Tête enseignante GPT0,279
Écart entre enseignants0,255 · 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'étudeObservationnel
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

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetCoffee research and impactsTravaux en français237 207