MétaCan
Menu
Retour à la cohorte
Enregistrement W3016248177 · doi:10.1038/s41598-020-63119-z

Increased pollen source area does not always enhance the risk of pollen dispersal and gene flow in Oryza sativa L

2020· article· en· W3016248177 sur OpenAlexaff
Ning Hu, Xiaodong Jiang, Qianhua Yuan, Wuge Liu, Ke-min YAO, Yan Long, Xinwu Pei

Notice bibliographique

RevueScientific Reports · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetically Modified Organisms Research
Établissements canadiensBiotechnology Research Institute
Organismes subventionnairesNanjing University of Information Science and TechnologyNational Natural Science Foundation of ChinaYale University
Mots-clésPollenGene flowBiological dispersalOryza sativaBiologyBotanyEnvironmental scienceGeneGeneticsGenetic variationMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract Pollen dispersal is one of the main ways of gene flow. In the past years, rice pollen dispersal and gene flow have been well studies. However, there is much dispute whether the risk of pollen dispersal and gene flow continuously increases with the source area. A Lagrangian stochastic model was used to simulate the pollen depositions at different distances from different pollen source areas. The field experiments showed a good fit in the pollen depositions. The larger the source area, the more the pollen grains were deposited at each distance, with the pollen dispersal distance increasing accordingly. However, this effect gradually leveled off as the source area increased. In the large-area of pollen source, we found a significantly higher saturation point for the amount of pollen deposition. Once the source area exceeded 1000 × 1000 m 2 , the pollen deposition no longer increased, even if the source area continued to increase, indicating the “critical source area” of rice pollen dispersal. However, a 100 × 100 m 2 critical source area for conventional rice and hybrid rice was sufficient, while the critical source area for the sterile line was about 230 × 230 m 2 .

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,019
Tête enseignante GPT0,223
Écart entre enseignants0,204 · 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'étudeExpérimental (laboratoire)
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetGenetically Modified Organisms ResearchTravaux en français237 207