MétaCan
Menu
Retour à la cohorte
Enregistrement W3203903735 · doi:10.3390/agronomy11101933

Strategic Identification of New Genetic Diversity to Expand Lentil (Lens culinaris Medik.) Production (Using Nepal as an Example)

2021· article· en· W3203903735 sur OpenAlexafffund
Sandesh Neupane, Rajeev Dhakal, Derek Wright, Deny K. Shrestha, Bishnu P. Dhakal, Kirstin E. Bett

Notice bibliographique

RevueAgronomy · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetic and Environmental Crop Studies
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesSaskatchewan Pulse GrowersGovernment of SaskatchewanWestern Grains Research FoundationUniversity of SaskatchewanGenome Canada
Mots-clésPhenologyBiologyGenetic diversityCultivarCotyledonAgronomyAdaptation (eye)CropBotanyBiotechnology

Résumé

récupéré en direct d'OpenAlex

Although lentil has a long history of cultivation, cultivars rely on a narrow genetic base, indicating room for broadening the diversity. Two field experiments were conducted at Bardiya, Nepal, during winter 2016 and 2017, with 324 diverse lentil genotypes obtained from genebanks and breeding programs around the world. Phenological traits related to adaptation, particularly days to flower, were assessed. A photothermal model was used to predict days to flower in new environments to identify genotypes that may be suitable for additional growing regions in Nepal, allowing for the expansion of the production area. Many putatively adapted genotypes were identified for terai, mid-hill, and high-hill growing regions. The list includes large-seeded or yellow cotyledon lines, representing new market classes of lentils for Nepal.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,853
Score d'incertitude au seuil0,759

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,095
Tête enseignante GPT0,239
Écart entre enseignants0,144 · 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 tête enseignante, 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

Citations4
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAgronomyMême sujetGenetic and Environmental Crop StudiesTravaux en français237 207