Phenotypic Dispersion of Landrace Lima Bean Varieties Using Multidimensional Scaling
Notice bibliographique
Résumé
Studies about phenotypic diversity are common in germplasm banks. The inference about this variability must be realized through several methods. The multidimensional scaling is a multivariate technique that has not yet been well explored in plant breeding programs. The objective of this study was to evaluate the phenotypic dispersion of landrace lima bean varieties using the non-metric multidimensional scaling technique (nMDS) based on seed morphology. Seeds of 25 lima bean accessions were characterized based on the morphological descriptors proposed by the International Plant Genetic Resources Institute. Distance matrices between the accessions were estimated based on the qualitative and quantitative variables, in addition to simultaneous analysis of the qualitative and quantitative data, using the Mahalanobis and Gower distances. The distances were represented by non-metric multidimensional scaling. The adjustment level of the nMDS mapping was calculated using Kruskal’s Stress. The scaling based on the quantitative and mixed data was efficient to represent the distances of the lima bean accessions in the bidimensional plane presenting Stress less than 20%. Divergent accessions, such as 11, 13, 17 and 25 were identified. The inclusion of qualitative characters provided the best discrimination of the accessions, confirming the importance of the simultaneous character analysis. The nMDS must be used as a complementary technique to those commonly employed in studies of phenotypic diversity in lima beans.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».