Characterizing 3D inflorescence architecture in grapevine using X-ray imaging and advanced morphometrics: implications for understanding cluster density
Notice bibliographique
Résumé
Inflorescence architecture provides the scaffold on which flowers and fruits develop, and consequently is a primary trait under investigation in many crop systems. Yet the challenge remains to analyse these complex 3D branching structures with appropriate tools. High information content datasets are required to represent the actual structure and facilitate full analysis of both the geometric and the topological features relevant to phenotypic variation in order to clarify evolutionary and developmental inflorescence patterns. We combined advanced imaging (X-ray tomography) and computational approaches (topological and geometric data analysis and structural simulations) to comprehensively characterize grapevine inflorescence architecture (the rachis and all branches without berries) among 10 wild Vitis species. Clustering and correlation analyses revealed unexpected relationships, for example pedicel branch angles were largely independent of other traits. We identified multivariate traits that typified species, which allowed us to classify species with 78.3% accuracy, versus 10% by chance. Twelve traits had strong signals across phylogenetic clades, providing insight into the evolution of inflorescence architecture. We provide an advanced framework to quantify 3D inflorescence and other branched plant structures that can be used to tease apart subtle, heritable features for a better understanding of genetic and environmental effects on plant phenotypes.
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 | 0,000 |
| 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 ».