Evaluation of variation in seedling root architectural traits and their potential association with nitrogen fixation and agronomic traits in field pea accessions
Notice bibliographique
Résumé
Abstract Root system architecture (RSA) plays a central role in water and nutrient acquisition in plants. Plasticity and genetic variation in RSA can be used as an adaptive strategy to optimize plant performance under variable environments. We quantified phenotypic variation for seedling RSA among 44 diverse pea ( Pisum sativum L.) genotypes, including breeding lines and germplasm accessions, grown under controlled conditions for 14 days using two‐dimensional hydroponic root imaging. Root image analysis revealed significant genotypic variability among the lines for all root traits, namely root length (RL), root diameter (RD), root volume, root surface area, number of tips, network width (NW), network depth (ND), and network convex area. Significant positive correlations were observed among the evaluated root traits, ranging from 0.5 to 0.9. Pea lines were ranked based on estimated means for root traits, with lines E20, F1, and F8 showing high rankings, while E4 and F5 received low rankings for most traits. To associate root traits with nitrogen (N) fixation and field agronomic performance, we performed redundancy analysis (RDA). The quantified root traits accounted for significant variation in the agronomic traits ( R 2 = ∼30%, p < 0.001). RDA showed a positive association between lodging susceptibility and root system NW and between plant height and root system ND. RD was positively associated with grain yield and N fixation. N fixation was positively associated with the number of lateral roots. The findings of this study indicate that variation for seedling root traits in pea could aid selection for N fixation and other important agronomic traits.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».