MétaCan
Menu
Retour à la cohorte
Enregistrement W4396698192 · doi:10.1093/aob/mcae067

Screening methods for thermotolerance in pollen

2024· review· en· W4396698192 sur OpenAlexafffund
Madeleine Stokes, Anja Geitmann

Notice bibliographique

RevueAnnals of Botany · 2024
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePlant Reproductive Biology
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésBiologyPollenBotany

Résumé

récupéré en direct d'OpenAlex

Plant reproduction is highly susceptible to temperature stress. The development of the male gametophyte in particular represents a critical element in the reproductive cycle with high sensitivity to elevated temperatures. Various methods have been used to test the effect of temperature stress on pollen performance or to determine the degree of susceptibility of given species and genotypes. The information gained informs the development of new crop varieties suited to grow under warmer conditions arising through climate change and facilitates predicting the behaviour of natural populations under these conditions. The characterization of pollen performance typically employs the terms 'pollen viability' and 'pollen vigour', which, however, are not necessarily used consistently across studies. Pollen viability is a nominal parameter and is often assayed relying on cellular features as proxy to infer the capability of pollen grains to germinate and complete double fertilization. Alternatively, pollen germination can be determined through in vitro growth assays, or by monitoring the ability of pollen tubes to complete different progamic steps in vivo (ability to reach an ovule, release sperm cells, lead to seed set). Pollen vigour is an ordinal parameter that describes pollen tube growth rate or the efficiency of pollen tube growth as inferred by its morphology or growth pattern. To ensure consistent and relevant terminology, this review defines these terms and summarizes the methodologies used to assess them.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,992
Score d'incertitude au seuil0,879

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,185
Tête enseignante GPT0,504
Écart entre enseignants0,319 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations18
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnnals of BotanyMême sujetPlant Reproductive BiologyTravaux en français237 207