Application of graphical analysis and principal components to identify the effect of genotype × trait in maize hybrids
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract In order to identify the effect of genotype × trait, 20 maize ( Zea mays L.) hybrids were cultivated and investigated in a randomized complete block design in three replications in the Karaj region. The results of the analysis of variance showed that the effect of genotype in terms of all traits except for the traits of days until the tassel dries, peduncle outside the flag leaf, tassel length, the number of fill seeds, and the depth of the seeds are significantly different. Based on the mean comparison done by Duncan's method, G3, G6, G7, and G4 genotypes were identified as favorable hybrids. Based on the graphic analysis, the genotypes G5, G4, G6, G3, G9, and G14 can be identified as desirable hybrids. The correlation diagram indicated that the grain yield trait has a positive correlation with tassel length, leaf length, leaf width, and leaf surface traits. Based on the principal component analysis, the first 10 components explained more than 74% of the data variance. The traits were classified into 10 components: components of ear characteristics, time characteristics in terms of maturity, leaf characteristics, characteristics of maize plant 1 (cob corn diameter, peduncle length, and grain yield traits), characteristics of maize plant 2 (number of tassel branches, leaf surface, and grain yield traits), physiological characteristics and germination, the crown part of the ear characteristics, grain characteristics, grain yield, and characteristics of the ear head. The experiment results indicated that G8, G15, G1, and G6 hybrids were more favorable in terms of grain yield trait.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle