Resistance Breeding to Northern Corn Leaf Blight with Dominant Genes, Polygene, and Their Combinations—Effects to Yield Traits
Notice bibliographique
Résumé
Resistance breeding is the most economic method to control northern corn leaf blight (NCLB). The objectives of these studies were: To assess effects of dominant genes (Ht(s)), polygene (PG), and combinations on percent leaf area affected (PLAA), yield, kernel moisture, kernel number per ear, and 100-kernel weight; to understand genetic action of combinations; to predict losses and effects of resistant genes for yield traits with PLAA; and to assess yield under different NCLB epidemic conditions. Two experiments were conducted. E1 had 120 crosses, their parents, and ten hybrid checks, inoculated NCLB twice in 2015 and 2016; and E2 had 85 crosses and 10 hybrids, with none, one, and two inoculation treatments in 2015. E1 results showed the order of PLAA was Ht3 ≈ Ht2 ≈ PGHtm1 ≈ PGHt1< PGHt3 ≈ PGHt2 < PGHtn1 < PG < Ht1 < Htn1 ≈ Htm1. The order of Ht(s) effects for yield was Ht2 > Ht3 > Ht1 > Htm1 > Htn1. Gene effects of cross ≈ gene effects of (female + male) for all five traits. Predicted losses and predicted effects of resistant genes between yield traits with PLAA were determined. E2 results indicated resistant genes increased yield more efficiently under NCLB epidemic environments.
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 | 0,001 |
| 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 ».