Genotype × environment interaction patterns of dry matter yield in meadow brome, orchardgrass, tall fescue, and timothy evaluated at harsh winter sites
Notice bibliographique
Résumé
Abstract Background Genotype × environment interaction (GEI) slows genetic gains and complicates selection decisions in plant breeding programs. Forage breeding program seed sales often encompass large geographic regions to which the cultivars may not be adapted. An understanding of the extent of GEI in perennial, cool‐season forage grasses will facilitate improved selection decisions and end‐use in areas with harsh winters. Methods We evaluated the dry matter yield of nine meadow brome ( Bromus biebersteinii Roemer & J. A. Schultes), nine orchardgrass ( Dactylis glomerata L.), seven tall fescue ( Lolium arundinaceum (Schreb.) Darbysh.), and 10 timothy ( Phleum pratense L.) cultivars or breeding populations at seven high latitude and/or elevation locations in Canada and the United States from 2019 to 2021. Results For each of the species, we found significant differences among the genotypes for dry matter yield across environments and found significant levels of GEI. Using site regression analysis and GGE biplot visualizations, we then characterized the extent of the interactions in each species. Except for tall fescue, there was little evidence for the broad adaptation of genotypes across locations. Conclusions This research adds further evidence to the limitations of perennial, forage breeding programs to develop widely adapted cultivars and the need to maintain regional breeding efforts.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».