MétaCan
Menu
Retour à la cohorte
Enregistrement W4405851952 · doi:10.5376/gab.2024.15.0033

Accelerating Yam Breeding Cycles with Genomic Selection

2024· article· en· W4405851952 sur OpenAlexvenueno aff
Wenjing Yu, Qi Cheng

Notice bibliographique

RevueGenomics and Applied Biology · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePacific and Southeast Asian Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGenomic selectionSelection (genetic algorithm)BiotechnologyBiologyComputer scienceGeneticsGenotypeArtificial intelligenceGene

Résumé

récupéré en direct d'OpenAlex

This study evaluates the potential of genomic selection (GS) in yam breeding, particularly its advantages in shortening breeding cycles and enhancing the selection efficiency of key agronomic traits. Traditional yam breeding is constrained by long generation times and complex genetic structures. By utilizing genomic data, GS can significantly accelerate generation turnover and increase genetic gain. This study discusses the role of integrating GS with speed breeding in yam breeding, as well as the advantages of GS in managing the complexity of genotype-by-environment (GxE) interactions. In addition, the development and optimization of genomic resources and their potential applications in yam breeding are explored. The application of GS not only improves breeding efficiency but also has a positive impact on the quality and productivity of yam varieties, providing new approaches to enhance global food security.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,709
Score d'incertitude au seuil0,399

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,276
Écart entre enseignants0,249 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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 sujetPacific and Southeast Asian StudiesTravaux en français237 207