MétaCan
Menu
Retour à la cohorte
Enregistrement W4400792499 · doi:10.3389/fpls.2024.1393140

Understanding grain development in the Poaceae family by comparing conserved and distinctive pathways through omics studies in wheat and maize

2024· review· en· W4400792499 sur OpenAlexaff
Yuanyuan Ji, Thulani Hewavithana, Andrew Sharpe, Lingling Jin

Notice bibliographique

RevueFrontiers in Plant Science · 2024
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Mapping and Diversity in Plants and Animals
Établissements canadiensGlobal Institute for Water SecurityUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésBiologyGenomicsProteomicsBiotechnologyPoaceaeCropPhenomicsMetabolomicsAgronomyGenomeGeneticsBioinformaticsGene

Résumé

récupéré en direct d'OpenAlex

The Poaceae family, commonly known as the grass family, encompasses a diverse group of crops that play an essential role in providing food, fodder, biofuels, environmental conservation, and cultural value for both human and environmental well-being. Crops in Poaceae family are deeply intertwined with human societies, economies, and ecosystems, making it one of the most significant plant families in the world. As the major reservoirs of essential nutrients, seed grain of these crops has garnered substantial attention from researchers. Understanding the molecular and genetic processes that controls seed formation, development and maturation can provide insights for improving crop yield, nutritional quality, and stress tolerance. The diversity in photosynthetic pathways between C3 and C4 plants introduces intriguing variations in their physiological and biochemical processes, potentially affecting seed development. In this review, we explore recent studies performed with omics technologies, such as genomics, transcriptomics, proteomics and metabolomics that shed light on the mechanisms underlying seed development in wheat and maize, as representatives of C3 and C4 plants respectively, providing insights into their unique adaptations and strategies for reproductive success.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,218
Tête enseignante GPT0,319
Écart entre enseignants0,101 · 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'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

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Plant ScienceMême sujetGenetic Mapping and Diversity in Plants and AnimalsTravaux en français237 207