Results of studying wheatgrass (AgropyronGaertn.) accessions from the VIR global genetic resources collection in Yakutia
Notice bibliographique
Résumé
With the globally changing climate, researchers seek to use plants adapted to extreme environments in breeding and genetic programs. As a forage crop, the wheatgrass from the genus AgropyronGaertn. is most suitable for such purposes. The area of temperature distribution for wheatgrass lies in the range from +42 (arid zone) to –60°C (Verkhoyansk). The use of different wheatgrass species as a crop for arid conditions is quite profoundly studied in the USA, Canada, Russia, and Kazakhstan. Genetic and breeding studies are underway in different countries. In Yakutia, with its extremely continental climate, wheatgrass has not yet been introduced as a crop, although it could play an important role in establishing a sustainable fodder reserve. The aim of the work was to study and select promising breeding source material, identifying germplasm with the best agronomic traits. As a result of a two-year study of 19 accessions of different wheatgrass species from the collection of VIR, undertaken in 2018 and 2019 in the collection nursery in Central Yakutia, plant forms were selected that exceeded the average green biomass yield for two cuts: k-52382 (wild crested wheatgrass, Pavlodar Region, Kazakhstan) by 43%, and k-48705 (wild-growing Kerch wheatgrass) by 40%. Besides, wild wheatgrass accession k-52382 was identified for its dry matter yield (40.2% higher than the average) and for the total green and dry matter yield for the two cuts (212.7 g/plant).Accessions k-52440 (wild Siberian wheatgrass, Stavropol Territory) and k-51330 (crested wheatgrass, Chelyabinsk Province) were selected for their high seed yield (43.5 g/m² and 41.7 g/m², respectively). The content of crude and digestible protein was the highest in k-50857 (crested wheatgrass cv. ‘Ephraim’, USA) and k-50858 (Siberian wheatgrass cv. ‘Vavilov II’, USA): 14.6% and 99 g/kg of feed, and 14.2% and 96 g/kg of feed, respectively. Winter hardiness of 12 accessions turned out to be 100%, with 80% in another 7 accessions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 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 ».