High‐energy alfalfa (<i>Medicago sativa</i> L.) developed by recurrent phenotypic selection for nonfiber carbohydrate concentration in stems
Notice bibliographique
Résumé
Abstract In forages, genetic improvement in readily fermentable energy can improve the energy‐to‐protein balance, thus reducing N losses to the environment. This study aimed to evaluate the effects of recurrent selection targeting high nonfiber carbohydrate (NFC) concentrations in alfalfa stems on nutritive value and biomass yield. Populations developed after one to three cycles of recurrent selection for NFC (NFC1, NFC2, and NFC3) and a control population (NFC0) were evaluated in a field trial at three sites across Canada, and in a greenhouse trial along with the population developed after a fourth cycle of selection for NFC (NFC4). When comparing NFC3 to NFC0, increases in NFC concentration of 14 and 28 g kg −1 dry matter (DM) were observed in field and greenhouse trials, respectively. This increase reached 45 g kg −1 DM for NFC4 compared to NFC0 in the greenhouse trial. Crude protein (CP) concentration was similar among populations in both trials, resulting in an increase in their NFC/CP ratio. Fiber concentrations were lowered, which resulted in an increase in in vitro DM digestibility of more than 10 g kg −1 DM for NFC3 in the field and for NFC4 in the greenhouse trials, as compared with NFC0. None of the selected populations displayed significant annual yield differences. The recurrent phenotypic selection for high stem NFC concentrations is an effective approach to improve alfalfa NFC concentration while increasing its energy‐to‐protein balance and digestibility, and maintaining its biomass productivity.
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 | 0,002 |
| 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 ».