Classification Methods and Identification of Reniform Nematode Resistance in Known Soybean Cyst Nematode-Resistant Soybean Genotypes
Notice bibliographique
Résumé
Plant parasitic nematodes are a major yield-limiting factor of soybean in the United States and Canada. It has been indicated that soybean cyst nematode (SCN; Heterodera glycines Ichinohe) and reniform nematode (RN; Rotylenchulus reniformis Linford and Oliveira) resistance could be genetically related. For many years, fragmentary data have shown this relationship. This report evaluates RN reproduction on 418 plant introductions (PIs) selected from the U.S. Department of Agriculture Soybean Germplasm Collection with reported SCN resistance. The germplasm was divided into two tests of 214 PIs reported as resistant and 204 PIs reported as moderately resistant to SCN. The defining and reporting of RN resistance changed several times in the last 30 years, causing inconsistencies in RN resistance classification among multiple experiments. Comparison of four RN resistance classification methods was performed: (i) ≤10% as compared with the susceptible check, (ii) using normalized reproduction index (RI) values, and using (iii) transformed data log 10 (x), and (iv) transformed data log 10 (x + 1) in an optimal univariate k-means clustering analysis. The method of transformed data log 10 (x) was selected as the most accurate for classification of RN resistance. Among 418 PIs with reported SCN resistance, the log 10 (x) method grouped 59 PIs (15%) as resistant and 130 PIs (31%) as moderately resistant to RN. Genotyping of a subset of the most resistant PIs to both nematode species revealed their strong correlation with rhg1-a allele. This research identified genotypes with resistance to two nematode species and potential new sources of RN resistance that could be valuable to breeders in developing resistant cultivars.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».