MétaCan
Menu
Retour à la cohorte
Enregistrement W4285793145 · doi:10.1002/ajb2.16033

Increases in vein length compensate for leaf area lost to lobing in grapevine

2022· article· en· W4285793145 sur OpenAlexaff
Zoë Migicovsky, Joel F. Swift, Zachary Helget, Laura L. Klein, Anh Ly, Matthew Maimaitiyiming, Karoline Woodhouse, Anne Fennell, Misha T. Kwasniewski, Allison J. Miller, Peter Cousins, Daniel H. Chitwood

Notice bibliographique

RevueAmerican Journal of Botany · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueHorticultural and Viticultural Research
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésBiologyLeaf bladeBotanyHorticultureVitis vinifera

Résumé

récupéré en direct d'OpenAlex

PREMISE: Leaf lobing and leaf size vary considerably across and within species, including among grapevines (Vitis spp.), some of the best-studied leaves. We examined the relationship between leaf lobing and leaf area across grapevine populations that varied in extent of leaf lobing. METHODS: We used homologous landmarking techniques to measure 2632 leaves across 2 years in 476 unique, genetically distinct grapevines from five biparental crosses that vary primarily in the extent of lobing. We determined to what extent leaf area explained variation in lobing, vein length, and vein to blade ratio. RESULTS: Although lobing was the primary source of variation in shape across the leaves we measured, leaf area varied only slightly as a function of lobing. Rather, leaf area increases as a function of total major vein length, total branching vein length, and vein to blade ratio. These relationships are stronger for more highly lobed leaves, with the residuals for each model differing as a function of distal lobing. CONCLUSIONS: For leaves with different extents of lobing but the same area, the more highly lobed leaves have longer veins and higher vein to blade ratios, allowing them to maintain similar leaf areas despite increased lobing. These findings show how more highly lobed leaves may compensate for what would otherwise result in a reduced leaf area, allowing for increased photosynthetic capacity through similar leaf size.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,859
Score d'incertitude au seuil0,323

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,031
Tête enseignante GPT0,275
Écart entre enseignants0,245 · 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

Citations14
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of BotanyMême sujetHorticultural and Viticultural ResearchTravaux en français237 207