MétaCan
Menu
Retour à la cohorte
Enregistrement W2953610201 · doi:10.5539/jas.v11n11p81

Genetic Divergence in Urena lobata Accessions to Quantitative Traits

2019· article· en· W2953610201 sur OpenAlexvenueno aff
Lucinete Miranda Gomes, Albejamere Pereira de Castro, Therezinha de Jesus Pinto Fraxe, Pedro de Queiroz Costa Neto, Ângela Maria da Silva Mendes, Mágno Sávio Ferreira Valente, Carla Coelho Ferreira, Maria Luiza Andrade Pereira

Notice bibliographique

RevueJournal of Agricultural Science · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUPGMAGermplasmBiologyDendrogramGenetic divergenceHeritabilitySelection (genetic algorithm)Divergence (linguistics)Genetic variationHorticultureGenetic diversityEvolutionary biologyGeneticsComputer sciencePopulationGeneDemographyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In this study, 14 quantitative traits were evaluated, divided into five distinct categories, related to the plants, leaves, flowers, fruits and seeds of seven Mallow accessions belonging to the NUSEC/UFAM germplasm collection. With the characteristics measured, the genetic variability of the accessions was evaluated, aiming at the genetic improvement of the culture. Through the analysis of variance, it was possible to assemble and propose the 14 agronomic descriptors, being that with the application of the clustering method (UPGMA), which generated a dendrogram of dissimilarity, it was possible to divide the seven genotypes into two distinct phenotypic groups, and their subgroups. The study showed that there is a great divergence between the accesses and the recommendation for the crossover is between the accesses ANÃ/MAC, ANÃ/MAQ and PIN/BER. The high heritability observed for the characters analyzed suggests the phenotypic value as a reliable measure for selection of the genotypes studied.

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,022
Tête enseignante GPT0,266
Écart entre enseignants0,244 · 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'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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetWeed Control and Herbicide ApplicationsTravaux en français237 207