Evaluation of Short-Season Soybean (Glycine max (L.) Merr.) Breeding Lines for Tofu Production
Notice bibliographique
Résumé
Soybean breeding programs targeting tofu quality must evaluate their performance within zones of adaptation. A comprehensive study was carried out to examine soybean breeding lines from three maturity groups (MGs; MG0, MG00, and MG000) from 2018 to 2022. Several agronomic, chemical composition and tofu-related quality traits were evaluated, and the associations among traits were investigated. The results showed that genotypes in MG0 yielded higher and matured later, which confirmed that the selection of targeted genotypes for a specific maturity group was successful. Non-imbibed “stone seeds”, an important quality trait for tofu processors, were higher in MG000 lines. Tofu texture using both GDL and MgCl2 coagulants was positively associated, indicating one coagulant might be enough for screening purposes. The MG by traits biplot showed very clear MG clustering for all genotypes tested from 2018 to 2022, signifying that the MG has a more pronounced effect on the investigated traits than the environmental effects seen in different years, regardless of the MG. Most tofu-related traits were higher and showed stronger associations in MG0 lines compared to the lines in earlier MGs, indicating a need for future effort in shorter season MGs. Overall, this study provided useful information for selecting soybean lines for tofu end-use application targeting specific MGs.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,001 | 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 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 ».