Exploring the Genetic Diversity of Carrot Genotypes through Phenotypically and Genetically Detailed Germplasm Collection
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Germplasm evaluation, classification, characterization, and preservation are the initial requirements for any crop genetic improvement programs meant to promote economically important traits. Mean performance and range of different expressible traits through ANOVA showed highly significant differences within the various genotypes and helped to evaluate several promising carrot genotypes. The multivariate analysis method was used in this study, which was helpful in resolving different phenotypic and genotypic parameters/measurements of big collections into easy interpretable dimensions.The research work was carried out with eighty-one genotypes to evaluate genetic diversity in a germplasm collection through multivariate analysis.The divergence analysis grouped all eighty-one genotypes into ten clusters and cluster VI was found to be the biggest, comprised of 30 genotypes, followed by IV, which was comprised of 16 genotypes. Cluster X exhibited a high mean value for root weight and anthocyanin content; cluster III showed high value for days to 1st root harvest and root girth, and cluster V for dry matter content, total sugar content, and carotene content; respectively. The maximum distance between clusters was recorded among II and X cluster (43,678.5) follow by I and X (43,199.7), and it indicated that genotypes from these far away clusters could be used efficiently in breeding programs to obtain superior hybrids. Total sugar content (36.14%) contributed most to genetic divergence, followed by anthocyanin content (35.74%). Out of four principal components, PC1 largely contributed towards total variation, followed by PC2. The partial variances (%) from the first to fourth PC-axes were 36.77, 25.50, 12.67, and 10.17, respectively. Genotypes like PC-161, PC-173, PAU-J-15, PC-103, and PC-43 were considered superior with respect to marketable yield and its associated traits such as root length and root weight, and hence can be released directly as a variety.
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.
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 | 0,000 | 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 découle