Comparing Results from 2-D and 3-D Phenotyping Systems for Soybean Root System Architecture: A ‘Comparison of Apples and Oranges’?
Notice bibliographique
Résumé
Typically, root system architecture (RSA) is not visible, and realistically, high-throughput methods for RSA trait phenotyping should capture key features of developing root systems in solid substrates in 3D. In a published 2-D study using thin rhizoboxes, vermiculite as a growing medium, and photography for imaging, triplicates of 137 soybean cultivars were phenotyped for their RSA. In the transition to 3-D work using X-ray computed tomography (CT) scanning and mineral soil, two research questions are addressed: (1) how different is the soybean RSA characterization between the two phenotyping systems; and (2) is a direct comparison of the results reliable? Prior to a full-scale study in 3D, we grew, in pots filled with sand, triplicates of the Casino and OAC Woodstock cultivars that had shown the most contrasting RSAs in the 2-D study, and CT scanned them at the V1 vegetative stage of development of the shoots. Differences between soybean cultivars in RSA traits, such as total root length and fractal dimension (FD), observed in 2D, can change in 3D. In particular, in 2D, the mean FD values are 1.48 ± 0.16 (OAC Woodstock) vs. 1.31 ± 0.16 (Casino), whereas in 3D, they are 1.52 ± 0.14 (OAC Woodstock) vs. 1.24 ± 0.13 (Casino), indicating variations in RSA complexity.
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 ».