The evolution of plant phenomics: global insights, trends, and collaborations (2000-2021)
Notice bibliographique
Résumé
Introduction: Phenomics, an interdisciplinary field that investigates the relationships between genomics and environmental factors, has significantly advanced plant breeding by offering comprehensive insights into plant traits from molecular to physiological levels. This study examines the global evolution, geographic distribution, collaborative efforts, and primary research hubs in plant phenomics from 2000 to 2021, using data derived from patents and scientific publications. Methods: The study utilized data from the EspaceNet and Lens databases for patents, and Web of Science (WoS) and Scopus for scientific publications. The final datasets included 651 relevant patents and 7173 peer-reviewed articles. Data were geocoded to assign country-level geographical coordinates and underwent multiple processing and cleaning steps using Python, Excel, R, and ArcGIS. Social network analysis (SNA) was conducted to assess collaboration patterns using Pajek and UCINET. Results: Research activities in plant phenomics have increased significantly, with China emerging as a major player, filing nearly 70% of patents from 2010 to 2021. The U.S. and EU remain significant contributors, accounting for over half of the research output. The study identified around 50 global research hubs, mainly in the U.S. (36%), Western Europe (34%), and China (16%). Collaboration networks have become more complex and interdisciplinary, reflecting a strategic approach to solving research challenges. Discussion: The findings underscore the importance of global collaboration and technological advancement in plant phenomics. China's rise in patent filings highlights its growing influence, while the ongoing contributions from the U.S. and EU demonstrate their continued leadership. The development of complex collaborative networks emphasizes the scientific community's adaptive strategies to address multifaceted research issues. These insights are crucial for researchers, policymakers, and industry stakeholders aiming to innovate in agricultural practices and improve crop varieties.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,006 | 0,016 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».