MétaCan
Menu
Retour à la cohorte
Enregistrement W4403990817 · doi:10.5376/gab.2024.15.0027

Development of High-Throughput Molecular Markers for Soybean Breeding

2024· article· en· W4403990817 sur OpenAlexvenueno aff

Notice bibliographique

RevueGenomics and Applied Biology · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoybean genetics and cultivation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThroughputBiologyMolecular breedingBiotechnologyGeneticsComputer scienceGene

Résumé

récupéré en direct d'OpenAlex

The microbial community structure in the rice rhizosphere plays a crucial role in plant health and soil nutrient cycling throughout the growing season. This study investigates how rice plants ( Oryza sativa ) influence the microbial community in rice field soil over different growth stages. Using quantitative PCR and 16S rRNA gene pyrotag analysis, we compared the microbial communities in the rhizosphere of rice plants to those in unplanted bulk soil. Our findings indicate that the rhizosphere harbors a significantly higher abundance of 16S rRNA genes, suggesting enhanced microbial growth. The rhizosphere effect was more pronounced than temporal changes, with notable shifts in the presence of specific microbial phyla such as Gemmatimonadetes , Proteobacteria , and Verrucomicrobia . Functional groups like potential iron reducers and fermenters were enriched in the rhizosphere. Additionally, a Herbaspirillum species was consistently more abundant in the rhizosphere, particularly during the early growth stages. These results underscore the dynamic interactions between rice plants and their associated microbial communities, highlighting the importance of the rhizosphere in shaping microbial diversity and function over the growing season.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,218
Écart entre enseignants0,200 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGenomics and Applied BiologyMême sujetSoybean genetics and cultivationTravaux en français237 207