Field-based Single Plant Phenotyping for Plant Breeding
Notice bibliographique
Résumé
High-throughput phenotyping (HTP) has the potential to revolutionize plant breeding by providing scientists with exponentially more data than was available through traditional observations. Even though data collection is rapidly increasing, the optimum use of this data and implementation in the breeding program has not been thoroughly explored. In an effort to apply HTP to the earliest stages of a plant breeding program, we extended field-based HTP pipelines to evaluate and extract data from spaced single plants. Using a panel of 340 winter wheat lines planted in full plots and grid-spaced single plants for two growing seasons, we evaluated relationships between single plants and full plot yields. Normalized difference vegetation index (NDVI) was collected multiple times through the growing season using an unmanned aerial vehicle. NDVI measurements during grain filling stage from both single plants and full plots were typically positively associated with their respective grain yield with correlation ranging from -0.22 to 0.74. The relationship between single plant NDVI and full plot yield, however, was variable between seasons ranging from -0.40 to 0.06. A genome wide association analysis (GWAS) identified the same significant markers for traits measured in both full plots and single plots, but also displayed variability between growing seasons. Strong genotype by environment interactions could impede selection on quantitative traits, yet these methods could provide an effective tool for plant breeding programs to quickly screen early-generation germplasm especially for qualitative traits. Effective use of early-generation, affordable HTP data could improve overall genetic gain in plant breeding.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».