A Physio-Morphological Trait-Based Approach for Breeding Drought Tolerant Wheat
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
L.), one of the world's three important cereal crops. Breeding new high yielding drought-tolerant wheat varieties is a research priority specifically in regions where climate change is predicted to result in more drought conditions. Commonly in breeding for drought tolerance, grain yield is the basis for selection, but it is a complex, late-stage trait, affected by many factors aside from drought. A strategy that evaluates genotypes for physiological responses to drought at earlier growth stages may be more targeted to drought and time efficient. Such an approach may be enabled by recent advances in high-throughput phenotyping platforms (HTPPs). In addition, the success of new genomic and molecular approaches rely on the quality of phenotypic data which is utilized to dissect the genetics of complex traits such as drought tolerance. Therefore, the first objective of this review is to describe the growth-stage based physio-morphological traits that could be targeted by breeders to develop drought-tolerant wheat genotypes. The second objective is to describe recent advances in high throughput phenotyping of drought tolerance related physio-morphological traits primarily under field conditions. We discuss how these strategies can be integrated into a comprehensive breeding program to mitigate the impacts of climate change. The review concludes that there is a need for comprehensive high throughput phenotyping of physio-morphological traits that is growth stage-based to improve the efficiency of breeding drought-tolerant wheat.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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 découle