Kelp breeding in China: Challenges and opportunities for solutions
Notice bibliographique
Résumé
Abstract Breeding has played an important role in the mariculture and industrialization of kelp in China. However, the current kelp breeding systems in China have encountered some problems relating to germplasm diversity, management, technological innovations, and regional co‐operation. This review summarizes the main challenges, such as top‐down and fragmented management of germplasm libraries, as well as private industry breeding without government regulations, inter‐cultivar accidental admixing and genetic erosion, loss of heterozygosity due to repeated selection and self‐crossing. We outline multiple potential approaches to breed cultivars with improved qualitative/quantitative traits which can be subjected to changing environments, for example: (i) establishing a national germplasm repository to enhance integrative collection and preservation of kelp resources; (ii) planning and implementing kelp breeding programmes according to strategic priorities and goal‐orientations; (iii) optimizing a hybridization‐based breeding pipeline to produce robust cultivars through the introgression of novel alleles and thus the expression of hybrid vigour; (iv) enriching the high‐quality annotated reference genomes and functional analysis of trait‐associated markers/loci to develop DNA‐based breeding technologies; (v) developing new priming‐based (e.g., thermal and disease resistance) bio‐engineering breeding strategies to meet future unpredictable climate change; and (vi) breeding towards an ecological kelp‐microbiome interaction‐based technique to produce cultivars with enhanced performance and adaptability to environmental scenarios. Collectively, the lessons learned from kelp breeding in China and the solutions proposed here may not only potentially improve or re‐invigorate the Chinese kelp industry, but will also assist other developing countries in taking corrective actions to develop a sustainable future kelp farming industry.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».