Resistance Breeding for Northern Corn Leaf Blight with Dominant Genes, Polygene, and Their Combinations—Effects on Disease Traits
Notice bibliographique
Résumé
Resistance breeding is the most effective method to control northern corn leaf blight (NCLB). The objectives were to (1) Assess effects of dominant genes (Ht(s)), polygene (PG), and their combinations to disease rating (DR), number of lesions per leaf (NLPL), and lesion size (LS); (2) Estimate genetic components, general combining abilities (GCA), and heritability under two Line × Tester analyses; and (3) Determine gene action through mid-parent heterosis (MPH) and better-parent heterobeltiosis (BPH) analysis. A total of 163 genotypes, including 120 crosses, their parents, and 10 hybrid checks, were evaluated under two NCLB artificial inoculations in 2015 and 2016. The results indicated that PG had the best resistance to DR, NLPL, and LS in crosses, followed by PGHt(s) and single Ht(s). Ht1 had both resistant and susceptible lesions. Ht2 and Ht3 expressed more resistance to LS significantly, while Htm1 and Htn1 had more resistance to NLPL. Htm1/Ht2, PG/Htm1, and the other 11 combinations were found excellent for NCLB resistance. Line × Tester analysis showed that additive effects were more important, and GCA of Ht(s) reduced disease traits. However, lower narrow sense heritability indicated that additive effects were low. MPH and BPH results showed that dominant and over-dominant gene actions existed for DR and NLPL.
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 | 0,000 | 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 | 0,000 | 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) | 0,000 | 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 ».