Morphological and biochemical characterization of Ethiopian mustard (Brassica carinata A. Braun) germplasm grown in Central Ethiopia
Notice bibliographique
Résumé
Ethiopian mustard (Brassica carinata A. Braun) shows potential for diverse applications, including as leafy greens, green manure and oilseed feedstock for biofuels. This study evaluated the seed and oil production potential and phenotypic diversity of 49 B. carinata accessions through trials conducted in 2018 at the Holeta and Asela Research Centers in Ethiopia, using a lattice design. Data were collected on phenological, morphological, agronomic and seed quality traits. The analysis revealed significant variability across most traits, except for silique width and oil and protein content at Asela, and main raceme length and total glucosinolate content at Holeta. Combined analysis showed significant genotype-by-location interactions for flowering date, seeds per silique and seed yield per hectare, indicating a strong environmental influence on these traits. Phenotypic and genotypic correlation analyses identified strong positive correlations between leaf traits and phenology, seed yield and seed quality, while oil content was negatively associated with protein and glucosinolate content. Principal component analysis identified five components at Asela and six components at Holeta with eigenvalues greater than one, explaining over 77% of the total variation at both locations. Key traits such as plant height, seed yield and oil content contributed significantly to these principal components. Cluster analysis grouped the accessions into three clusters based on distinct trait combinations. Accessions 17545, 21373, 24203 and 24495 consistently performed well across multiple traits across sites, making them strong candidates for breeding programmes focused on improving seed yield and quality in B. carinata.
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 | 0,000 |
| 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 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 ».