MétaCan
Menu
Retour à la cohorte
Enregistrement W4405884189 · doi:10.5376/jtsr.2024.14.0019

Research Progress on the Collection, Identification, and Genetic Diversity of Tea Germplasm Resources

2024· article· en· W4405884189 sur OpenAlexvenueno aff
Lian Chen, Natasha Liu

Notice bibliographique

RevueJournal of Tea Science Research · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueForest, Soil, and Plant Ecology in China
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGermplasmIdentification (biology)Genetic diversityDiversity (politics)Genetic resourcesBiotechnologyBiologyGeographySociologyEcologyBotanyDemographyAnthropology

Résumé

récupéré en direct d'OpenAlex

The collection, identification, and genetic diversity research of tea germplasm resources are crucial for the conservation and utilization of tea plants.This study elucidates the classification, distribution, and genetic diversity of tea germplasm resources, analyzes the current progress in identification methods and the application of molecular marker technologies, and explores the conservation strategies and utilization status of tea germplasm resources in different regions.The study demonstrates that molecular marker technologies, such as SNP and SSR, can effectively reveal the genetic background and phylogenetic relationships of tea germplasm resources, providing an important basis for tea breeding.The study also highlights issues such as insufficient genetic diversity and poor management of germplasm resources in certain areas.Furthermore, it proposes key directions for future research, including strengthening the collection and preservation of genetic resources, developing new breeding materials, and exploring tea varieties that adapt to climate change.This study provides theoretical support and practical guidance for the conservation, breeding, and industrial development of tea germplasm resources.

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)0,011
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,007
Études des sciences et des technologies0,0020,001
Communication savante0,0030,005
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,122
Tête enseignante GPT0,451
Écart entre enseignants0,329 · 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'étudeObservationnel
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Tea Science ResearchMême sujetForest, Soil, and Plant Ecology in ChinaTravaux en français237 207