MétaCan
Menu
Retour à la cohorte
Enregistrement W4283783081 · doi:10.1002/glr2.12021

Screening of tall fescue genotypes for relative water content and osmotic potential under drought stress

2022· article· en· W4283783081 sur OpenAlexaff
Francis M. Kirigwi, Malay C. Saha

Notice bibliographique

RevueGrassland Research · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueTurfgrass Adaptation and Management
Établissements canadiensBayer (Canada)
Organismes subventionnairesnon disponible
Mots-clésFestuca arundinaceaShootBiologyWater contentAgronomyForagePerennial plantGreenhouseHorticultureIrrigationGenotypeGrowing seasonDrought toleranceAnimal sciencePoaceae

Résumé

récupéré en direct d'OpenAlex

Abstract Background Tall fescue (Festuca arundinacea Schreb.) is an important cool‐season perennial grass. Its persistence and forage yield can be severely affected by drought stresses during the hot, dry summers of the southern USA. Methods One thousand tall fescue genotypes were evaluated in the greenhouse for high relative water content (RWC) and low cell sap osmotic potential (OP). Fifty contrasting genotypes for the two traits were identified and used in further greenhouse and field studies. These genotypes were also screened with 30% PEG8000. Root and shoot characteristics were studied in 10 genotypes. Results The genotypes differed for RWC (33.7%–97.3%, mean: 79.7%) and had an almost fivefold difference in OP (−0.5 to −2.4 MPa, mean: −1.2 MPa). Significant variation (p < 0.001) for the main effects of environment and genotypes was found for RWC and OP. Apart from the greenhouse trial, no correlation was found between RWC and OP, indicating that differences in RWC might have been due to factors other than osmotic adjustment. Genotypes with either long roots or high root weights, and high root/shoot ratios demonstrated high RWC and low OP. Conclusions Genotypes with consistently high RWC and low OP were identified and used for the development of mapping populations and transcriptome studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,100
Tête enseignante GPT0,309
Écart entre enseignants0,209 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGrassland ResearchMême sujetTurfgrass Adaptation and ManagementTravaux en français237 207