MétaCan
Menu
Retour à la cohorte
Enregistrement W2797306071 · doi:10.5539/jas.v10n5p179

Combination Capacity and Association Among Traits of Grain Yield in Wheat (Triticum aestivum L.): A Review

2018· review· en· W2797306071 sur OpenAlexvenueno aff
Alexsander Rigatti, Alan Júnior de Pelegrin, Carine Meier, Andrei Lunkes, Luís Antônio Klein, Alisson F. da Silva, Eduardo Pelegrini Bellé, Antonio D. Bortoluzzi Silva, Volmir Sérgio Marchioro, Velci Queiróz de Souza

Notice bibliographique

RevueJournal of Agricultural Science · 2018
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetics and Plant Breeding
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTraitSelection (genetic algorithm)BiologyGrain yieldQuantitative trait locusBiotechnologyPath analysis (statistics)CrossoverAgronomyStatisticsGeneticsGeneMathematicsComputer scienceMachine learning

Résumé

récupéré en direct d'OpenAlex

Grain yield is a complex quantitative trait, because its expression is associated to the large number of genes with small effect. In addition, there is interaction among different yield components and environment effect, making difficult the direct selection of genotypes. The most viable alternative for wheat breeding programs, an autogamous plant, is use artificial crosses in order to obtain superior genotypes. Hybridization after use of successive self-fertilizations results in segregating populations, which reveal the genetic variability, especially when the parents are genetically different. Therefore, it is important to know genetic relationships between crosses, which will serve as reference for decision making in the choice of combinations. Therefore, general combining ability (GCA) and specific combining ability (SCA) are used, which facilitate choice of the best parents to compose crossover block. In addition to these parameters, path analysis can be used to determine importance of primary and secondary traits and to guide indirect selection of promising genotypes by means of interest 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)0,003
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,954
Score d'incertitude au seuil0,255

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,058
Tête enseignante GPT0,257
Écart entre enseignants0,199 · 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'étudeAutre devis
Domainenon disponible
GenreSynthèse

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 sujetGenetics and Plant BreedingTravaux en français237 207