MétaCan
Menu
Retour à la cohorte
Enregistrement W3120990669 · doi:10.22541/au.160595652.27877911/v1

Relieving efforts in palm-tree tissue sampling for population genetics analyses.

2020· preprint· en· W3120990669 sur OpenAlexaff
Sebastian Espinoza‐Ulloa

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueOil Palm Production and Sustainability
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesPontificia Universidad Católica del Ecuador
Mots-clésNucleic acidBiologySampling (signal processing)PopulationDNAPalmBotanyHorticultureBiotechnologyBiochemistryComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

The young leaves are the main source of nucleic acids for population genetic studies in palm-trees; however, the access to this tissue may be limited by specific features of each species. Using root tissues as an alternative source of nucleic acids could facilitate the sampling in large populations. This study tests root tissue viability as an alternative nucleic acids source (root vs. leaf) and explores different protocols (tissue storage and DNA purification methods) to obtain high-quality DNA samples. The results showed no significant differences in DNA concentration and quality for the comparisons of tissue source (leaf vs. root) and DNA purification method (manual vs. kit). For tissue storage method, DNA concentration was significantly higher for root tissues stored in 70% and 90% alcohol solutions versus those obtained from leaf tissue, however for the quality parameters, no differences were found. Results showed the effective potential of using root tissue as an alternative source for nucleic acids, which could facilitate populations sampling of palm-tree species for future studies and this methodological alternative could be applied to other plant systems with similar sampling challenges.

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)0,007
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,002
Communication savante0,0020,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,008

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 Opus0,080
Tête enseignante GPT0,373
Écart entre enseignants0,293 · 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'étudeObservationnel
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 sujetOil Palm Production and SustainabilityTravaux en français237 207