Enhancing Maize Germplasm Selection for Genebanks: A Decision Support System Combining Shannon-Weaver Diversity Index and Machine Learning
Notice bibliographique
Résumé
While core collections offer various advantages, achieving a balance between representing genetic diversity and ensuring the practical manageability of the entire genebank collection is crucial.This study investigated the utility of the Shannon-Weaver diversity index and machine learning as a support system for the acceptability of new maize accessions into the genebank collection.This study examined 1279 maize germplasm accessions from the Agricultural Genebank Indonesia.The maize germplasm collection was divided into two parts.The first part, namely subset A, contains 600 accessions, which acted as original collections and were randomly selected for calculating the diversity values in each kernel character using the Shannon-Weaver diversity index.The second part, subset B, consisting of 679 accessions, was used to determine whether each accession was similar or different from subset A using an Excel macro-based application built by the authors.Principal component analysis (PCA) and Mahalanobis distances were used in the first step to identify outliers in data points with nine independent variables, namely kernel type, kernel color, presence of white cap, mottled type, kernel upper surface shape, kernel weight, kernel length, width, and thickness.Seventeen outlier samples, detected through PCA and Mahalanobis distances, were intentionally excluded from the dataset to ensure the integrity of subsequent machine learning analyses.The subset B was then divided into two parts to perform conventional and novel machine learning, i.e., linear discriminant analysis (LDA) and Tabnet.The results of this study show that the model's accuracy of LDA and TabNet were 89.36% and 86.4%, respectively.By integrating the Shannon-Weaver diversity index and machine learning methodologies, this research offers a comprehensive decision support system for guiding the acceptance of new maize accessions.The proposed system implies optimizing genebank strategies for the integrity and adaptability of maize germplasm collections.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».