MétaCan
Menu
Retour à la cohorte
Enregistrement W4388597886 · doi:10.1002/ppp3.10454

Ethnolinguistic associations and genetic diversity of rice landraces in Nagaland, India

2023· article· en· W4388597886 sur OpenAlexfundno aff
Somnath Roy, Bhaskar Chandra Patra, Jitendra Kumar, Ü. Jõgi, Zenwang Konyak, Amrita Banerjee, Nabaneeta Basak, Nimai Prasad Mandal, K. C. Bansal

Notice bibliographique

RevuePlants People Planet · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Phylogenetic Studies
Établissements canadiensnon disponible
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésAgricultural biodiversityGermplasmGenetic diversitySubsistence agricultureAgricultureGeographyIndigenousGenetic erosionAgroforestryPopulationTraditional knowledgeIn situ conservationFood securityBiodiversityCrop diversitySocioeconomicsBiologyEcologySociologyAgronomy

Résumé

récupéré en direct d'OpenAlex

Societal Impact Statement Preserving and conserving crop landraces, tended by indigenous farming communities, is crucial for future food security. This research focused on rice landrace diversity in the north‐eastern Himalayan region of Nagaland, India, where Naga communities cultivate rice according to their dietary and cultural preferences. Rice diversity is closely linked to the region's ethnolinguistic and ecological variety. On‐farm conservation, in collaboration with indigenous communities, is imperative to protect these germplasm resources. Involving these communities actively in conservation efforts will safeguard their traditional knowledge, endorse sustainable farming practices, and enhance the resilience of local agricultural systems. Summary Understanding the genetic diversity and cultural significance of crop landraces is crucial for their conservation and sustainable utilization. This study focused on rice landraces from Nagaland in north‐eastern India to assess their genetic diversity and explore their associations with ethnolinguistic groups. We collected 78 rice landraces from Nagaland and a small part of Manipur and conducted microsatellite genotyping for genetic analysis. We integrated social anthropology and population genetics analyses of rice landraces to glean insights into the genetic diversity, population structure, and ethnolinguistic history of rice cultivation in Nagaland. The study revealed the rich cultural significance of rice landraces among the Nagas . Farmers practiced small‐scale subsistence farming, maintaining diverse rice landraces. Naming conventions were based on factors such as seed source, color, grain type, and ecological suitability. Rice landraces played important roles in ethnic cultures, festivals, and religious ceremonies. Genetic analysis identified significant diversity, with 277 alleles across 69 loci and a moderate gene diversity of 0.57. Two distinct sub‐populations were identified, with one dominated by Chakhesang and Angami Nagas and the other by Sümi and Lotha accessions. Differentiation was observed between lowland and upland cultivars, with one sub‐population comprising exclusively lowland varieties. Cultural factors and cultivation practices influenced population differentiation, with ethnicity and ecotype having a significant impact. The study also highlighted the correlation between ethnolinguistic differentiation and the indica–japonica structuring of rice landraces. Different ethnic groups in Nagaland had distinct cultivation practices, contributing to genetic differentiation. Overall, this research emphasizes the need to preserve rice landraces and associated traditional knowledge for future improvements and cultural heritage conservation. It provides insights into genetic diversity, cultural significance, and the relationship between genetic diversity, cultural practices, and agricultural traditions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,323

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,225
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePlants People PlanetMême sujetGenomics and Phylogenetic StudiesTravaux en français237 207