MétaCan
Menu
Retour à la cohorte
Enregistrement W2900439527 · doi:10.5539/jas.v10n12p92

Combining Ability and Heterosis for Agronomic and Yield Traits in Indica and Japonica Rice Crosses

2018· article· en· W2900439527 sur OpenAlexvenueno aff
M. E. Yuga, John Kimani, Paul M. Kimani, M. F. Olubayo, James W. Muthomi, F. M. Nzuve

Notice bibliographique

RevueJournal of Agricultural Science · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRice Cultivation and Yield Improvement
Établissements canadiensnon disponible
Organismes subventionnairesAlliance for a Green Revolution in Africa
Mots-clésPanicleHeterosisHybridBiologyJaponicaGrain yieldYield (engineering)Japonica riceAgronomyHorticultureBiotechnologyBotany

Résumé

récupéré en direct d'OpenAlex

Understanding genetic variability and mode of gene action for agronomic and yield related traits is important in formulation of effective rice breeding program for genetic enhancement of grain yield. Combining ability analysis and heterosis was conducted to identify yield associated traits from nine male indicas and three female japonicas, together with their 27 F1 hybrids. Four parental lines, including Basmati 370, Basmati 217, K2-54 and Komboka showed good general combining ability in days to 50% flowering, days to maturity, number of tillers plant-1, number of spikelet’s panicle-1, number of panicles plant-1, number of filled grains panicle-1, and grain yield. While the combine K2-9 × Komboka, K2-9 × Basmati 370, K2-54 × Dourado Precoce and K2-54 × Basmati 217 showed specific good for grain yield. The hybrids K2-9 × Basmati 370, K2-8 × Basmati 217, K2-54 × Basmati 217 and K2-9 × Komboka showed 20% excess in standard check variety, suggesting that they could be good breeding donors.

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)0,001
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 enseignants0,979
Score d'incertitude au seuil0,235

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
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 Opus0,029
Tête enseignante GPT0,252
Écart entre enseignants0,224 · 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

Citations13
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetRice Cultivation and Yield ImprovementTravaux en français237 207