Assessment of genotype × trait interaction of rye genotypes for some morphologic traits through GGE biplot methodology
Notice bibliographique
Résumé
<p>Effective interpretation of the data on breeding programs is important at all stages of plant improvement and the genotype by trait (GT) biplot was used for two-way wheat dataset as genotypes with multiple traits. For this propose, 18 rye genotypes with specific characteristics were evaluated in randomized block design with four replications. The GT biplot for rye dataset explained 61% of the total variation of the standardized data (the first two principal components explained 40 and 21% respectively). The polygon view of GT presented for 11 different traits of rye cultivars showed six vertex cultivars as G1, G3, G6, G8, G11 and G13 whose genotype G8 had the highest values for most of the measured traits. Generally based on vector view, ideal genotype and ideal tester biplots, it was demonstrated that the selection of high seed yield will be performed via seed number per spike, first internode weight, number of spike per area and harvest index. These traits should be considered simultaneously as effective selection criteria evolving high yielding rye cultivars because of their large contribution to seed yield. The genotypes G8 and G7 following to genotypes G3, G18 and G19 could be considered for the developing of desirable progenies in the selection strategy of rye improvement programs.</p>
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».