MétaCan
Menu
Retour à la cohorte
Enregistrement W4414140346 · doi:10.1111/pbr.70029

Genetic Gains in Durum Wheat ( <scp> <i>Triticum turgidum</i> ssp. <i>durum</i> </scp> ) Across the Globe: Yield, Quality and Adapting for Variable Weather Patterns

2025· article· en· W4414140346 sur OpenAlexafffund
Ana Laura Achilli, Muhsin Avci, Teketel A. Haile, Raquel Martínez‐Peña, Amanda R. Peters Haugrud

Notice bibliographique

RevuePlant Breeding · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWheat and Barley Genetics and Pathology
Établissements canadiensUniversity of SaskatchewanAgriculture and Agri-Food CanadaUniversity of British Columbia
Organismes subventionnairesAgricultural Research ServiceSaskatchewan Wheat Development CommissionU.S. Department of Agriculture
Mots-clésAbiotic componentMediterranean climatePopulationYield (engineering)AgricultureBiomass (ecology)Plant breedingStaple foodGenetic gain

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Durum wheat ( Triticum turgidum ssp. durum [Desf.] Husnot) is cultivated globally and used to produce pasta, couscous, bulgur and other semolina products. With the growing world population and increasing food demand, it is pertinent to understand past trends in global food production to shape future endeavours. This review briefly gives an overview of more than a century of durum wheat breeding efforts across the globe, focusing on past genetic gains for not only yield but additional traits, such as biotic and abiotic stress tolerance, grain quality, biomass and nutrient uptake. Historical genetic gains have varied across the globe between breeding programmes, with a short history summarised for countries in the Mediterranean Basin, North and South America and Australia and the international programmes led by CIMMYT and ICARDA. As Early Career Researchers of the Expert Working Group on Durum Wheat Genomics and Breeding of the Wheat Initiative, we understand the importance of highlighting past progress in durum wheat yield to further increase genetic gains and give insight into future research and breeding needs.

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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,554
Score d'incertitude au seuil0,341

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,049
Tête enseignante GPT0,270
Écart entre enseignants0,221 · 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'étudeObservationnel
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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePlant BreedingMême sujetWheat and Barley Genetics and PathologyTravaux en français237 207