Dissecting durum wheat time to anthesis into physiological traits using a QTL-based model
Notice bibliographique
Résumé
Abstract Fine tuning crop development is a major breeding avenue to increase crop yield and for adaptation to climate change. In this study, we used a model that integrates our current understanding of the physiology of wheat phenology to predict the development and anthesis date of a RILs population of durum wheat with genotypic parameters controlling vernalization requirement, photoperiod sensitivity, and earliness per se estimated using leaf stage, final leaf number, anthesis date data from a pot experiment with vernalized and nonvernalized treatments combined with short- and long-day length. Predictions of final leaf number and anthesis date of the QTL-based model was evaluated for the whole population of RILs in a set of independent field trials and for the two parents, which were not used to estimate the parameter values. Our novel approach reduces the number of environments, experimental costs, and the time required to obtain the required data sets to develop a QTL-based prediction of model parameters. Moreover, the use of a physiologically based model of phenology gives new insight into genotype-phenology relations for wheat. We discuss the approach we used to estimate the parameters of the model and their association with QTL and major phenology genes that collocate at QTL. Highlight We used a modeling framework integrating our current understanding of the physiology of wheat phenology to dissect durum wheat time to anthesis into physiological traits and link them to QTL.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 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 ».