Genetic Variation in Yield and Fruit Weight Among Strawberry (<i>Fragaria</i> ×<i>ananassa</i>) Cultivars and the Interaction With Year and Location Effect
Notice bibliographique
Résumé
ABSTRACT Strawberry ( Fragaria × ananassa ) is an important crop in the United States. In this study, we analysed strawberry trials established across 7 years and two locations. Our objective was to estimate genetic parameters and predict breeding values for yield. Linear mixed models were used for unbalanced data across years and locations and study the genotype by year and location interactions. The results suggested significant differences between cultivars for fruit weight but not for total and marketable yield. Fruit weight was controlled by genetic factors, shown by the high heritability of cultivar means (0.93), whereas marketable yield and total yield showed lower heritability estimates (0.48 and 0.63, respectively), indicating a substantial environmental influence. For fruit weight, cultivars exhibited stability across years and locations, supported by the high additive genetic correlations observed for cultivar‐by‐year ( r = 0.90) and cultivar‐by‐location interactions ( r = 0.98). Fruit weight and total yield were genetically independent as suggested near zero additive genetic correlation (−0.06 ± 0.416) between two traits, and they should be considered for an index selection in the strawberry breeding strategy.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».