Intelligent Characterization of Lentil Genetic Resources: Evolutionary History, Genetic Diversity of Germplasm, and the Need for Well‐Represented Collections
Notice bibliographique
Résumé
The genetic and phenotypic characterization of crops allows us to elucidate their evolutionary and domestication history, the genetic basis of important traits, and the use of variation present in landraces and wild relatives to enhance resilience. In this context, we aim to provide an overview of the main genetic resources developed for lentil and their main outcomes, and to suggest protocols for continued work on this important crop. Lens culinaris is the third-most-important cool-season grain and its use is increasing as a quick-cooking, nutritious, plant-based source of protein. L. culinaris was domesticated in the Fertile Crescent, and six additional wild taxa (L. orientalis, L. tomentosus, L. odemensis, L. lamottei, L. ervoides, and L. nigricans) are recognized. Numerous genetic diversity studies have shown that wild relatives present high levels of genetic variation and provide a reservoir of alleles that can be used for breeding programs. Furthermore, the integration of genetics/genomics and breeding techniques has resulted in identification of quantitative trait loci and genes related to attributes of interest. Genetic maps, massive genotyping, marker-assisted selection, and genomic selection are some of the genetic resources generated and applied in lentil. In addition, despite its size (∼4 Gbp) and complexity, the L. culinaris genome has been assembled, allowing a deeper understanding of its architecture. Still, major knowledge gaps exist in lentil, and a deeper understanding and characterization of germplasm resources, including wild relatives, is critical to lentil breeding and improvement. © 2021 The Authors. Current Protocols published by Wiley Periodicals LLC. Basic Protocol 1: Recording of lentil seed descriptors Basic Protocol 2: Lentil seed imaging Basic Protocol 3: Lentil seed increase Basic Protocol 4: Recording of primary lentil seed INCREASE descriptors.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».