Trends in Soybean Trait Improvement over Generations of Selective Breeding
Notice bibliographique
Résumé
Improvement of agronomic and seed quality traits in soybean [ Glycine max (L.) Merr.] occurs in breeding programs as a result of crossing elite soybean genotypes and selection of superior offspring in each cycle. The objective of this study was to evaluate changes in traits over 100 yr of selection in Ontario, Canada, in two soybean breeding programs at the University of Guelph: Guelph Campus (Maturity Group [MG] 0 and I) and Ridgetown Campus (MG II) programs. Fifty‐six Guelph cultivars (released between 1983 and 2016), 46 Ridgetown cultivars (released between 1987 and 2015), and 37 Guelph‐pedigree related historical cultivars (from 1913 to 1985) were grown in field trials over 3 yr (Guelph Campus) and 2 yr (Ridgetown Campus) at two locations per breeding program to measure 13 traits. Yield increased in the Guelph Campus cultivars by 17.1 kg ha −1 yr −1 and by 15.7 kg ha −1 yr −1 in the Ridgetown Campus cultivars, while yield per day of maturity per year of release significantly increased in elite cultivars. Protein in the Ridgetown Campus cultivars increased at 0.76 g kg −1 yr −1 , whereas the Guelph Campus cultivars showed no trend. In Ridgetown Campus cultivars 100‐seed weight significantly increased at 0.1 g yr −1 . Within the historical cultivars, 100‐seed weight was significantly correlated with both protein ( r = 0.50) and oil ( r = −0.42). Genotype × trait biplot analyses revealed differential patterns of trait relationships between the elite and historical cultivars. Oil and yield were associated within the Guelph Campus cultivars. The association of 100‐seed weight and protein was only found in the historical cultivars. Yield has increased in both breeding programs while seed traits have been altered over time.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».