Efficiency of the Polycross and Controlled Hybridization Methods in Sweetpotato Breeding in Uganda
Notice bibliographique
Résumé
Sweetpotato is an important crop in many parts of the world especially in developing countries. It is used for both human consumption as well as livestock feed. It is an important source of carbohydrates, vitamin C, fibre, iron, potassium, protein and β-carotene. Its production is, however, constrained by several biotic and abiotic factors, including pests and diseases, low soil fertility, drought, cold and salinity. Breeding is one of the ways to overcome some of these constraints and in sweetpotato the polycross or controlled cross methods can be used. To determine which of the two methods was more efficient, genotypes generated by both methods were evaluated over two seasons at Namulonge and Kachwekano. The type of cross (polycross or controlled) was significantly (P ≤ 0.05) different for storage root yield, response to sweetpotato virus disease, Alternaria blight, and harvest index (HI). The controlled cross families had a significantly higher mean HI of 43.2% than the polycross families with a mean HI of 31.8%. Therefore, controlled crosses could be deployed to systematically increase the HI in sweetpotato breeding populations. Significant (P ≤ 0.05) differences were observed among families for all traits. This stresses that the parents used in a cross are very important in generating genotypes with desired attributes. It was apparent that both the polycross and controlled crosses are good methods for generating new sweetpotato genotypes in a sweetpotato breeding program. Where aggregate performance was considered (selection index) the controlled crosses method produced more (75% of the top 20 desirable genotypes) than the polycross method across the two sites. However, the best three genotypes over the two sites were from the polycross family of Ejumula. Therefore, sweetpotato controlled crosses could be very useful for population improvement using recurrent selection while polycrosses could be suitable for variety development. Both hybridization methods require cautious selection of parents to match the breeding objectives.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».