MétaCan
Menu
Retour à la cohorte
Enregistrement W3215346663 · doi:10.1016/j.fochms.2021.100056

Artificial neural networks and genetic dissimilarity among saladette type dwarf tomato plant populations

2021· article· en· W3215346663 sur OpenAlexaff
Camila Soares de Oliveira, Gabriel Mascarenhas Maciel, Ana Carolina Silva Siquieroli, Danilo Gomes, Nádia Mendes Diniz, José Magno Queiróz Luz, Rickey Y. Yada

Notice bibliographique

RevueFood Chemistry Molecular Sciences · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLeaf Properties and Growth Measurement
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesFundação de Amparo à Pesquisa do Estado de Minas GeraisConselho Nacional de Desenvolvimento Científico e TecnológicoUniversidade Federal de UberlândiaCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésUPGMABiologyDendrogramHybridPopulationHorticultureBotanyGenetic variationGenetic diversityGenetics

Résumé

récupéré en direct d'OpenAlex

Studies have shown that dwarf plants have the potential for use in obtaining hybrids. The aim of this study was to evaluate the agronomic potential and genetic dissimilarity of saladette type dwarf tomato plant populations through the use of artificial neural networks (ANNs). The following traits were analyzed: mean fruit weight, transverse and longitudinal fruit diameter, fruit shape, pulp thickness, locule number, internode length, soluble solids content, and β-carotene, lycopene, and leaf zingiberene contents. A dendrogram obtained by the unweighted pair-group method with arithmetic mean (UPGMA) and Kohonen self-organizing maps (SOM) agreed in the distinction of the BC1F3 populations from the dwarf donor parent. SOM was more consistent in identifying the genetic similarities among the BC1F3 dwarf tomato plant populations and allowed for the determination of weights of each variable in the cluster formation. The UFU SDi 13-1 BC1F3 population was revealed to be a promising option for obtaining saladette type dwarf tomato plant lines.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,317
Score d'incertitude au seuil0,294

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 Opus0,047
Tête enseignante GPT0,223
Écart entre enseignants0,175 · 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'étudeExpérimental (laboratoire)
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

Citations17
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood Chemistry Molecular SciencesMême sujetLeaf Properties and Growth MeasurementTravaux en français237 207