Source material for breeding winter bread wheat for grain quality in the north of the Middle Volga Region
Notice bibliographique
Résumé
Background. Development of cultivars with high stable yields and high grain quality is the main trend in wheat breeding. The aim of this study was to characterize a set of winter bread wheat accessions from the VIR collection and the working collection of Kazan Scientific Center in terms of their yield, protein content in grain (P, %), and swelling of flour in acetic acid (S, ml), and select the best accessions for the combination of these characters for use in a crossbreeding program. Materials and methods. Twenty-three winter bread wheat accessions were studied for the abovementioned characters in the north of the Middle Volga Region using conventional techniques. The study lasted three years (2016–2019). Results and conclusion. The yield of the accessions varied across the years of studies; however, none of them surpassed the reference cv. ‘Kazanskaya 560’. The values of protein content in grain were medium or high. The following accessions had high and stable levels of protein content in grain (15.1–16.1%): ‘TAW 42971/80’ (k-58363, Germany); ‘Lutescens 471 N8’ (Kazakhstan); ‘Rita’ (k-58057), ‘Scotty’ (k-59322) and ‘Nelson’ (all from the U.S.); ‘Moskovskaya 39’ (k-65160, Russia); ‘Bilotserkivchanka’ (k-64330) and ‘Barkan’ (k-64495) (both from Ukraine). Flour swelling power in acetic acid did not fall below 50 ml, attesting to the formation of high-quality grain. This was also confirmed by the protein quality index determined by the S : P ratio, which ranged from 3.6 to 4.7. Sources with high-quality protein were selected from the tested accessions for use in breeding: ‘CDC Clair’ (k-64168, Canada), ‘Lutescens 471 Н8’ (Kazakhstan), ‘Moskovskaya 39’ (Russia), ‘Barkan’ (Ukraine), and ‘Favorytka’ (k-64337, Ukraine).
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 | 0,001 | 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 | 0,001 | 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 ».