MétaCan
Menu
Retour à la cohorte
Enregistrement W3216163681 · doi:10.3390/agronomy11122452

Variation in Root System Architecture among the Founder Parents of Two 8-way MAGIC Wheat Populations for Selection in Breeding

2021· article· en· W3216163681 sur OpenAlexaboutno aff
Shree R. Pariyar, Kerstin Nagel, Jonas Lentz, Anna Galinski, Jens Wilhelm, Alexander Putz, Sascha Adels, Kathrin Heinz, Claus Frohberg, Michelle Watt

Notice bibliographique

RevueAgronomy · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant nutrient uptake and metabolism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiologyBreedQuantitative trait locusTraitHorticultureShootAgronomyAnimal scienceGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Root system architecture (RSA) is a target for breeding crops with effective nutrient and water use. Breeding can use populations designed to map quantitative trait loci (QTL). Here we non-invasively phenotype roots and leaves of the 16 foundation parents of two multi-parent advanced generation inter-cross (MAGIC) populations, covering diversity in spring (CSIRO MAGIC) and winter (NIAB MAGIC) wheats. RSA components varied after 16 days in the upgraded, paper-based imaging platform, GrowScreen-PaGe: lateral root length 2.2 fold; total root length, 1.9 fold; and seminal root angle 1.2 fold. RSA components total and lateral root length had the highest root heritabilities (H2) (H2 = 0.4 for CSIRO and NIAB parents) and good repeatability (r = 0.7) in the GrowScreen-PaGe. These can be combined with leaf length (H2 = 0.8 CSIRO; 0.7 NIAB) and number (H2 = 0.6 CSIRO; 0.7 NIAB) to identify root and shoot QTL to breed for wheats with vigorous RSA and shoot growth at establishment, a critical phase for crop productivity. Time resolved phenotyping of MAGIC wheats also revealed parents to cross in future for growth rate traits (fastest: Robigus–NIAB and AC Barrie–CSIRO; slowest Rialto–NIAB and G204 Xiaoyan54–CSIRO) and root: shoot allocation traits (fast growers grew roots, notably laterals, quicker than leaves, compared to slow growers).

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,094
Score d'incertitude au seuil0,924

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 Opus0,029
Tête enseignante GPT0,234
Écart entre enseignants0,205 · 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

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgronomyMême sujetPlant nutrient uptake and metabolismTravaux en français237 207