MétaCan
Menu
Retour à la cohorte
Enregistrement W2889397296 · doi:10.1111/eva.12699

Weed evolution: Genetic differentiation among wild, weedy, and crop radish

2018· article· en· W2889397296 sur OpenAlexaff
Amanda Charbonneau, David C. Tack, Allison Lale, Josh Goldston, Mackenzie Caple, Emma Conner, Oz Barazani, Jotham Ziffer‐Berger, Ian Dworkin, Jeffrey K. Conner

Notice bibliographique

RevueEvolutionary Applications · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensMcMaster University
Organismes subventionnairesUnited States - Israel Binational Agricultural Research and Development Fund
Mots-clésBiologyWeedRaphanusCropAgronomyHybridPopulationAdaptation (eye)AgricultureBotanyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Approximately 200 weed species are responsible for more than 90% of crop losses and these comprise less than one percent of all named plant species, suggesting that there are only a few evolutionary routes that lead to weediness. Agricultural weeds can evolve along three main paths: they can be escaped crops, wild species, or crop‐wild hybrids. We tested these three hypotheses in weedy radish, a weed of small grains and an emerging model for investigating the evolution of agricultural weeds, using 21 CAPS and SSR markers scored on 338 individuals from 34 populations representing all major species and sub‐species in the radish genus Raphanus . To test for adaptation of the weeds to the agricultural environment, we estimated genetic differentiation in flowering time in a series of common garden experiments with over 2,400 individuals from 43 populations (all but one of the genotyped populations plus 10 additional populations). Our findings suggest that the agricultural weed radish R. r. raphanistrum is most genetically similar to native populations of R. r. raphanistrum and is likely not a feral crop or crop hybrid. We also show that weedy radish flowers more rapidly than any other Raphanus population or cultivar, which is consistent with rapid adaptation to the frequent and severe disturbance that characterizes agricultural fields.

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 enseignants0,764
Score d'incertitude au seuil0,788

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,007
Tête enseignante GPT0,195
Écart entre enseignants0,188 · 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

Citations28
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvolutionary ApplicationsMême sujetWeed Control and Herbicide ApplicationsTravaux en français237 207