MétaCan
Menu
Retour à la cohorte
Enregistrement W2810102070 · doi:10.3390/agriculture8070095

Can Parentage Analysis Facilitate Breeding Activities in Root and Tuber Crops?

2018· article· en· W2810102070 sur OpenAlexfundno aff
Asrat Asfaw, Pangirayi Tongoona, Agyemang Danquah, Eric Yirenkyi Danquah, David De Koeyer, Robert Asiedu

Notice bibliographique

RevueAgriculture · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Virus Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of GhanaInternational Development Research CentreBill and Melinda Gates Foundation
Mots-clésOutcrossingBiologyGenetic gainAgronomyBreeding programSelection (genetic algorithm)Plant breedingCropPollinationMutation breedingBiotechnologyPloidyGenetic variationCultivarBotanyGenetics

Résumé

récupéré en direct d'OpenAlex

Controlled pollination in root and tuber crops is challenging. Complex ploidy, cross-incompatibility, erratic flowering patterns, outcrossing, etc., limit the efficiency of breeding progress in these crops. Half-sib breeding that involves random pollination among parents is a viable method to harness genetic gain in outcrossing crops that are problematic for performing planned and controlled pollination. The authenticity of resulting progenies from the half-sib breeding is essential to monitor the selection gain in the breeding program. Parentage analysis facilitated by molecular markers is among the available handy tools for crop breeders to maximize genetic gain in a breeding program. It can help to resolve the identity of half-sib progenies and reconstruct the pedigree in the outcrossing crops. This paper reviews the potential benefits of parentage analysis in breeding selected outcrossing root and tuber crops. It assesses how paternity analysis facilitates breeding activities and the ways it improves genetic gain in the root and tuber breeding programs. Conscious use of complementary techniques in the root and tuber breeding programs can increase the selection gain by reducing the long breeding cycle and cost, as well as reliable exploitation of the heritable variation in the desired direction.

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)0,000
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 enseignants0,618
Score d'incertitude au seuil0,842

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,032
Tête enseignante GPT0,249
Écart entre enseignants0,217 · 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

Citations18
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgricultureMême sujetPlant Virus Research StudiesTravaux en français237 207