Harnessing Heterogeneity: Clustering Kazakh Spring Rapeseed for Breeding Value
Notice bibliographique
Résumé
This study presents an investigation into the breeding genotypes of spring rapeseed (Brassica napus L.) and their subsequent grouping based on ecological adaptability to the northern region of Kazakhstan.Evaluations were made using key quantitative traits such as yield, grains per ear, and weight of 1000 grains to assess breeding value, genotypic effect, stress resistance, and genetic flexibility.Under controlled laboratory conditions, the viability of the rapeseed breeding material was assessed.Findings revealed a seed germination rate between 87% to 96% and a 1000-seed weight of 5.2 to 6.1 grams.These seeds were procured using standard seed production protocols.A comprehensive analysis was conducted on 36 genotypes of spring oilseed rape, each with distinct ecogeographical origins.This was compared to the standard variety of Kazakhstani selection, Maykuduk.The Hierarchical Cluster Analysis (HCA) module within the Statistical Package for the Social Sciences (SPSS) software was employed to perform cluster analysis of samples based on economically valuable traits of spring rapeseed.Findings indicated that samples belonging to the second cluster, exhibiting the highest average productivity indicators, are promising for integration into breeding programs.These samples demonstrated an average two-year yield of 44.4 c/ha, plant height of 142 cm, 4 to 6 branches, an average of 250 pods, 22 seeds per pod, 4095 g seeds per plant, and a seed weight per plant of 15 g.The implications of this research are significant for agricultural enterprises, as the findings may potentially promote an increase in the cultivation area of spring rapeseed.This is anticipated to augment the stability of oilseed raw material production and biodiesel fuel.
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 ».