Characterizing grapevine ( <i>Vitis</i> spp.) inflorescence architecture using X-ray imaging: implications for understanding cluster density
Notice bibliographique
Résumé
Summary We characterized grapevine inflorescence architecture (the rachis and all branches without berries) to describe variation among 10 wild Vitis species, assess phylogenetic signals underlying inflorescence architecture traits, and interpret this variation in the context of breeding objectives. Three-dimensional X-ray tomography scans of grapevine inflorescences were used to measure geometric traits and inflorescence topology using persistent homology, a mathematical approach that can comprehensively measure and compare shapes. We simulated potential space available for berry growth within a given inflorescence architecture by evaluating expanding spheres attached to pedicels, referred to as “berry potential.” Lastly, we performed phylogenetic analysis and mapped trait variation. We detected wide variation in inflorescence architecture features among Vitis species. Hierarchical clustering and correlation analyses revealed relationships among traits. Multivariate analyses identify traits contributing the most to variation and distinguish between species with high accuracy. Phylogenetic analyses revealed 12 morphological traits with strong phylogenetic signal. Morphometric analysis uncovered novel differences in inflorescence architecture among clades and between Vitis species. Cluster density is an important trait for assessing crop quality and forecasting yield; analyses presented here can be used to tease apart subtle, heritable features and environmental influences on this major agronomic trait.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».