MétaCan
Menu
Retour à la cohorte
Enregistrement W2899597231 · doi:10.33354/smst.75990

Heteroosivaikutuksen hyödyntäminen kevätrypsillä

2006· article· fi· W2899597231 sur OpenAlexaff
Mika Hyövelä

Notice bibliographique

RevueSuomen Maataloustieteellisen Seuran Tiedote · 2006
Typearticle
Languefi
DomaineEnvironmental Science
ThématiqueSeedling growth and survival studies
Établissements canadiensCollège Boréal
Organismes subventionnairesnon disponible
Mots-clésPhysics

Résumé

récupéré en direct d'OpenAlex

Kevätrypsien jalostus Suomessa on viime vuosikymmenenä painottunut voimakkaasti laatuominaisuuksien kehittämiseen, erityisesti öljyn rasvahappokoostumuksen muokkaamiseen. Samalla lajikkeiden satoisuuden kehittyminen on vähitellen hidastunut. Rypsin viljelyn ongelmaksi on koettu alhainen ja epävarma sadontuottokyky. Alhaisen sadon taustalla on ollut useimmiten huono taimettuminen ja hidas alkukehitys. Rapsilla tehdyt kokeet ovat osoittaneet hybridilajikkeiden kehittyvän ja peittävän ruudut nopeammin kuin tavanomaisten lajikkeiden heteroosin ansiosta. Kanadalaisissa kasvihuonekokeissa F1-rypsihybridit ovat tuottaneet keskimäärin noin 15-30 % paremman sadon kuin niiden vanhempaislinjat. Rypsiltä kuitenkin puuttuu laajempaan käyttöön soveltuva hybridimenetelmä. Rypsillä heteroosivaikutusta voidaan kuitenkin hyödyntää synteettisten lajikkeiden avulla lähes yhtä tehokkaasti kuin F1-hybridiellä. Synteettinen lajike syntyy kahden tai useamman vanhempaislinjan vapaan pölyttymisen tuloksena ja muodostuu siten vanhempaislinjan sisäisistä ja linjojen välisistä risteytymistä. Synteettisen lajikkeen muodostuessa kahdesta komponentista, on syn1–sukupolvessa 25 % kumpaakin vanhempaislinjaa ja 50 % hybridisiementä. Nämä suhteet voivat kuitenkin vaihdella riippuen ristiinpölyttymisen osuudesta, vanhempien elinvoimasta, suvunjatkamiskyvystä sekä kukinta-aikojen eroista. Useilla lajeilla heteroosin on todettu kasvavan vanhempaislinjojen geneettisen etäisyyden kasvaessa. Tämän olettamuksen perusteella tutkimukseen valittiin 10 eri taustan omaavaa rypsipopulaatiota sekä maantieteellisen että jalostusalkuperän mukaan. Näiden populaatioiden keskinäiset geneettiset etäisyydet määritettiin molekyyligenetiikan keinoin. Geneettisen etäisyyden perusteella valittiin kolme populaatioparia. Näiden populaatioiden kasviyksilöiden väliset geneettiset etäisyydet (euklidinen etäisyys) määritettiin ja yleinen periyttämiskyky testattiin testiristeytyksin. Testiristeytyksiin valittiin sekä geneettisesti läheisiä että etäisiä yksilöitä. Testiristeytyksistä syntyneet siemenet kylvettiin yhdessä vanhempaispopulaatioiden kanssa pellolle jälkeläistestiruuduille keväällä 2003. Kasvustosta tehtyjen havaintojen, mittausten ja analysoitujen yksilösatojen perusteella geneettisen etäisyyden ja heteroosin yhteys ei ollut odotetun suoraviivainen. Toisaalta myös kasvukauden olosuhteet olivat poikkeukselliset. Erityisesti kukintavaiheen kuivat ja kuumat olosuhteet haittasivat kasvien normaalia kasvua ja kukintojen pölyttymistä. Tällä kokeella saatiin kuitenkin viitteitä siitä, että synteettisillä lajikkeilla voidaan päästä merkittäviin sadonparannuksiin. Koe osoitti myös vanhempaispopulaatioiden valinnan merkitystä - kaikilla populaatiopareilla ei päästy yhtäläisiin tuloksiin. Yhdellä populaatioparilla lähes kaikki testiristeytysjälkeläistöt tuottivat paremman sadon kuin alkuperäiset populaatiot, mutta toisella populaatioparilla tulos oli täysin päinvastainen. Havaittu vanhempien geneettisen etäisyyden ja ilmenneen heteroosin epälineaarisuus osoittaa, ettei vanhempien valinnassa voida luottaa yksinomaan geneettiseen etäisyyteen vaan valinnassa joudutaan käyttämään myös testiristeytyksiin perustuvaa yleisen periyttämiskyvyn arviointia. Kehittämällä jalostusmenetelmää yhä edelleen ja keskittymällä oikeiden vanhempaispopulaatioiden valintaan voidaan synteettisillä kevätrypsilajikkeilla saavuttaa hybridilajikkeiden edut.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 GPT0,197
Écart entre enseignants0,189 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSuomen Maataloustieteellisen Seuran TiedoteMême sujetSeedling growth and survival studiesTravaux en français237 207