MétaCan
Menu
Retour à la cohorte
Enregistrement W4408240510 · doi:10.5376/mpb.2025.16.0008

Case Study on Molecular Breeding for Drought-Resistant Sweet Potato Varieties

2025· article· en· W4408240510 sur OpenAlexvenueno aff
Xu Ying, Yanjun Lu, Lin Zhao, Jiang Shi

Notice bibliographique

RevueMolecular Plant Breeding · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Disease Resistance and Genetics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiologyPlant breedingDrought resistanceCultivarAgronomyDrought toleranceMolecular breedingBiotechnologyHorticultureGeneticsGene

Résumé

récupéré en direct d'OpenAlex

This study clarifies the importance of drought resistance in sweet potato cultivation and systematically evaluates the application of molecular techniques, such as marker-assisted selection (MAS), genomic selection (GS), and quantitative trait loci (QTL) mapping, in enhancing drought tolerance in sweet potatoes. Several candidate genes associated with water retention, abscisic acid (ABA) signaling pathways, and key transcription factors were identified, which play a crucial role in improving drought resistance. Field trials validated that newly developed drought-resistant sweet potato varieties exhibited significantly enhanced water-use efficiency, optimized root architecture, and stable yield performance, outperforming traditional breeding methods. By focusing on molecular breeding for drought-resistant sweet potatoes, this study provides both technical support for breeding resilient varieties and essential insights for improving agricultural adaptability to climate change, thus contributing to 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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,251
Score d'incertitude au seuil0,646

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 technologies0,0000,000
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 Opus0,027
Tête enseignante GPT0,245
Écart entre enseignants0,219 · 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'étudeExpérimental (laboratoire)
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular Plant BreedingMême sujetPlant Disease Resistance and GeneticsTravaux en français237 207