An overview of root traits and ideotypes for improving crop productivity and addressing agronomic challenges
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Currently, breeding efforts are focused mainly on shoot traits, which are insufficient to address agronomic challenges complicated by climate change . There is a need to incorporate root traits in breeding strategies, but recent research postulates that, due to root plasticity, breeding for specific root ideotypes is a better and less time-consuming approach. In this review, current studies on root ideotypes are summarized, and a case study on lentil genotypes, discussed. The objectives of this review are to (1) discuss the benefits of incorporating root traits in breeding programs, (2) discuss root traits for enhanced crop productivity i.e., improved nutrient uptake , abiotic stress tolerance, reduced lodging and diseases, and (3) summarize recent root ideotypes studies, and discuss a case study involving ideotypes identified in cultivated versus wild lentil genotypes for their potential implications for moisture and nutrient acquisition. We found that root traits play a significant role in abiotic stress management, root lodging, disease escape, and nutrient acquisition and uptake. The study of individual root traits and their response to biotic and abiotic stress is important to identify root ideotypes. Root ideotypes from domesticated plants (e.g., cultivated lentils) and their wild relatives can contribute significantly to solving agronomic problems when incorporated into breeding programs. Future breeding endeavors should incorporate specific root ideotypes for targeted environments to address agronomic issues.
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.
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 | 0,000 |
| 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 découle