Genetic studies on iron and zinc concentrations in common bean (Phaseolus vulgaris L.) in Ghana
Notice bibliographique
Résumé
Iron and zinc deficiencies cause high health risk to young children and expectant mothers in sub Saharan Africa. The development of biofortified common bean ( Phaseolus vulgaris L.) varieties could address the acute micronutrient deficiencies with associated improvement in the nutrition and health of women, children and adults. The objective of this study was to determine the mode of gene action and genetic advance in iron and zinc levels in common bean. Field experiment was carried out using six generations of two populations made of crosses between pairs of low iron, low zinc and high iron, moderate zinc genotypes (Cal 96 ˣ RWR 2154; MCR-ISD-672 ˣ RWR 2154). Each generation (P 1 , P 2 , F 1 , F 2 , BC 1 P 1 and BC 1 P 2 ) was evaluated on the field in a randomized complete block design with three replications. Generation mean analysis were performed for each trait measured in each of the crosses while iron and zinc levels were quantified by x-ray fluorescence. The study showed that both additive and non-additive gene effects were important in determining the expression of high iron and zinc levels. Iron concentration in the common bean seeds ranged from 60.68 to 101.66 ppm while zinc levels ranged from 25.87 to 34.04 ppm. Broad sense heritability estimates of iron and zinc were high in the two crosses (62–82% for Fe and 60–74% for Zn) while narrow sense heritability ranged from low to high (53–75% for Fe and 21–46% for Zn). Heritability and genetic gain were used as selection criteria for iron and zinc, and it was concluded that doing so would be beneficial for future improvement.
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 ».