Evaluating genetic variability and biometric indicators in bread wheat varieties: Implications for modern selection methods
Notice bibliographique
Résumé
Major grain-producing countries such as Canada, the United States of America, Mexico, Brazil, Australia, China, India, Turkey, and Russia, in the direction of selection for the creation of new varieties of wheat resistant to abiotic factors, are paying great attention to creating new wheat varieties by developing new genotypes by identifying donors with highquality and positive indicators of valuable economic traits and introducing them into modern selection methods. Progress has been made in this direction worldwide. Today, many varieties of wheat with valuable economic traits and high grain quality have been created and introduced to large areas. In this study, 23 genotypes were selected from 45 genotypes of bread wheat varieties and lines. The nursery’s growth period lasted between 233-238 days, and the lines appeared more mature than the local check varieties. Compared to the local check varieties, among the plant’s biometric indicators, 15 lines showed positive results in terms of plant height, 10 lines in peduncle length, 5 lines in spike length, 1 line in spike number, and 1 line in resistance to lodging. The statistical analysis of grain yield and grain quality using the Dospekhov method showed that the experimental error rates for various indices as follows: 0.888% for yield, 3.018% for weight of 1000 grains, 0.627% for Test weight, 2.028% for protein content, 1.519% for gluten content, 2.001% for IDK, and 4.01% for grain glassiness. It was noted that the experiment was conducted correctly in terms of repetitions and showed a positive result. 10 genotypes with yield of genotypes 72.6-96.7 c/ha, weight of 1000 grains 37.9-43.2 g, test weight 803-835 g/l, protein content 16.2-19.3%, gluten content 28.5-30.4% were selected. Accordingly, it was observed that the amount of iron was 1.0-1.8 mg. It was observed that the sample was 1.3 mg in the Gozgon variety and 1.4 mg in the Antonina variety. KR20-27-FAWIR-67, KR20-BWF5IR-2625, KR20-27-FAWIR-138 lines 1.6 mg relative to the local check variety. Lines KR20-BWF5IR-2460, KR20-27-FAWIR-39, KR20-BWF5IR-246 1.7 mg. It was observed that the KR20-27-FAWIR-154 line showed a high result of 1.8 mg.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».