MétaCan
Menu
Retour à la cohorte
Enregistrement W2912565635 · doi:10.15666/aeer/1701_931950

AN ASSESSMENT OF THE GENETIC DIVERSITY IN SELECTED WHEAT LINES USING MOLECULAR MARKERS AND PCABASED CLUSTER ANALYSIS

2019· article· en· W2912565635 sur OpenAlexfundno aff
Yazdanpanah Ali, M. A. Khan, Mureed Hussain, Muhammad Atiq, Javed Ahmad

Notice bibliographique

RevueApplied Ecology and Environmental Research · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Trade and Competitiveness
Établissements canadiensnon disponible
Organismes subventionnairesAlberta Agricultural Research Institute
Mots-clésGenetic diversityCluster (spacecraft)Diversity (politics)Evolutionary biologyBiologyGeneticsComputational biologyComputer scienceMedicineSociologyEnvironmental healthAnthropology

Résumé

récupéré en direct d'OpenAlex

A comprehensive germplasm evaluation study of wheat elite lines was conducted at Wheat Research Institute Faisalabad-Pakistan to identify new sources of leaf, stripe and stem rust resistance and high yield potential during crop seasons 2015-2017.The parent lines were selected on the basis of phenotypic characteristics and slow rusting history for race non-specific resistance genes by the selection of desirable parents used in filial generation (F1-F5).In primary evaluation, 112 lines were selected on the basis of rust reaction and high phenotypic uniformity for further testing against rust resistance and high yield potential.Among these, 32 lines exhibited Lr34/Yr18, 22 lines showed Lr46/Yr29, and 30 lines indicated the combination of Sr2/Yr30.Principal component analysis (PCA) based cluster analysis exhibited that, cluster I and III had clear separation compared to cluster II, IV and V.It was concluded that seven elite lines i.e.V-70003, V-70034, V-70054, V-70070, V-70085, V-70103 and V-70104 exhibited both the linkages of three slow rusting genes (Lr34/Yr18, Lr46/Yr29 and Sr2/Yr30) and high yield characteristics and are expected to contribute toward food security at national and global levels.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
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 Opus0,018
Tête enseignante GPT0,272
Écart entre enseignants0,254 · 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'étudeExpérimental (laboratoire)
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

Citations14
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Ecology and Environmental ResearchMême sujetGlobal Trade and CompetitivenessTravaux en français237 207