Selection Strategies for Grain Quality in Upland Rice Lines
Notice bibliographique
Résumé
The grain quality in rice is extremely important for breeding programs, in order to select lines that meet the standards demanded by the market. The quality attribute is composed by several characteristics, which can make difficult the work for breeder. Thus, the objective in this study was to verify the efficiency of the selection indexes in order to select upland rice lines that meet the grain quality standards. Fourteen lines of the Cultivation and Use Value test (CUV) of the upland rice breeding program of the Federal University of Lavras were evaluated. The experiments were conducted in the municipalities of Lavras-MG and Lambari-MG in the seasons of 2015/2016 and 2016/2017. The experimental was a randomized block design with three replications. The following characteristics were evaluated to compose the indexes: grain yield, minimum cooking time, water absorption index, grain chalkiness, integer grain percentage, grain length and width, apparent amylose content and gelatinization temperature. The following selection indexes were compared: Base index of Willians, Sum of “Ranks” of Mulamb and Mock, and Index Sum of Standardized Variables (Z Index) and also was held direct selection through grain yield. It was observed that the Base index obtained good gains with the selection for grain yield, but it was inefficient for the quality characteristics, results when used direct selection. The Ranks and Z index obtained superior and balanced gains for the characteristics, showing up more efficient in the selection of upland rice lines aiming at the quality of grains.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».