MétaCan
Menu
Retour à la cohorte
Enregistrement W4395098289 · doi:10.5376/rgg.2024.15.0004

Genetic Regulation of Diurnal Flowering Time Divergence in Rice: The Role of the OsMYB8 and OsJAR1 Module

2024· article· en· W4395098289 sur OpenAlexvenueno aff
zhong jianli, Fang Jim

Notice bibliographique

RevueRice Genomics and Genetics · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Mapping and Diversity in Plants and Animals
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésDivergence (linguistics)Genetic divergenceBiologyDiurnal temperature variationGeographyMeteorologySociologyGenetic diversityDemography

Résumé

récupéré en direct d'OpenAlex

On March 13, 2024, a joint research achievement by the State Key Laboratory for Conservation and Utilization of Subtropical Agro-Bioresources, School of Life Sciences, South China Agricultural University, the Guangdong Provincial Key Laboratory of New Technology in Rice Breeding, Rice Research Institute of Guangdong Academy of Agricultural Sciences, and the Life Sciences Technology Center of China National Seed Group Co., Ltd. was published in Nature Communications. The paper, titled "Natural variation in OsMYB8 confers diurnal floret opening time divergence between indica and japonica subspecies," had Yajun Gou and Yueqing Heng as co-first authors, with Rongxin Shen and Haiyang Wang as co-corresponding authors. The study was funded by the National Natural Science Foundation of China Innovation Group Project and the Hainan Yazhou Bay Seed Laboratory Commander Project, among others. It identified the OsMYB8 gene as a key factor regulating the divergence in diurnal flowering time in rice. The interaction between OsMYB8 and OsJAR1 significantly affects the flowering time of indica and japonica rice. Transferring the indica allele of OsMYB8 into japonica rice effectively advances flowering time, providing a new strategy for indica-japonica hybrid breeding.

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 enseignants0,001
Score d'incertitude au seuil0,004

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)0,0010,000

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 Opus0,004
Tête enseignante GPT0,187
Écart entre enseignants0,183 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRice Genomics and GeneticsMême sujetGenetic Mapping and Diversity in Plants and AnimalsTravaux en français237 207