MétaCan
Menu
Retour à la cohorte
Enregistrement W4389224091 · doi:10.1038/s41467-023-42991-z

Soybean reduced internode 1 determines internode length and improves grain yield at dense planting

2023· article· en· W4389224091 sur OpenAlexaff
Shichen Li, Zhihui Sun, Qing Sang, Chao Qin, Lingping Kong, Xin Huang, Huan Liu, Tong Su, Haiyang Li, Milan He, Chao Fang, Lingshuang Wang, Shuangrong Liu, Bin Liu, Baohui Liu, Xiangdong Fu, Fanjiang Kong

Notice bibliographique

RevueNature Communications · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoybean genetics and cultivation
Établissements canadiensInstitute of Genetics
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésSowingYield (engineering)Grain yieldAgronomyBiologyMaterials scienceComposite material

Résumé

récupéré en direct d'OpenAlex

Major cereal crops have benefitted from Green Revolution traits such as shorter and more compact plants that permit high-density planting, but soybean has remained relatively overlooked. To balance ideal soybean yield with plant height under dense planting, shortening of internodes without reducing the number of nodes and pods is desired. Here, we characterized a short-internode soybean mutant, reduced internode 1 (rin1). Partial loss of SUPPRESSOR OF PHYA 105 3a (SPA3a) underlies rin1. RIN1 physically interacts with two homologs of ELONGATED HYPOCOTYL 5 (HY5), STF1 and STF2, to promote their degradation. RIN1 regulates gibberellin metabolism to control internode development through a STF1/STF2-GA2ox7 regulatory module. In field trials, rin1 significantly enhances grain yield under high-density planting conditions comparing to its wild type of elite cultivar. rin1 mutants therefore could serve as valuable resources for improving grain yield under high-density cultivation and in soybean-maize intercropping systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0020,000

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 Opus0,039
Tête enseignante GPT0,274
Écart entre enseignants0,234 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations47
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetSoybean genetics and cultivationTravaux en français237 207