Genomic selection of agronomic and seed quality traits in hybrid Brassica napus L. based on parametric and machine learning methods
Notice bibliographique
Résumé
Various GS models obtained high prediction accuracy in agronomic and seed quality traits in canola with an appropriate TP, a key component that affects prediction accuracy in GS. Abstract Genomic selection (GS) has become a useful tool in plant breeding with advantages in shortening the breeding cycle and improving cost efficiencies. Various factors that affect the prediction accuracy on Brassica napus L. were examined based on a mixed population consisting of 91 parental genotypes and 345 F1 hybrids. Based on rrBLUP, the prediction of hybrid performance using a training population (TP) of 91 parental genotypes produced a prediction accuracy that varied between 1 to 2 % on seed yield (YLD) and 23 to 24 % on seed protein content (SPC). Whereas, a mixed TP of 91 genotypes consisting of both parental and hybrid genotypes performed drastically better (28 % for YLD and 45 % for SPC). The prediction accuracy increased as the mixed TP size increased to 262 (38 % for YLD and 58 % for SPC). Marker density effects were investigated, and the medium-coverage-marker set (16,855 SNPs) performed the best. Model performance of various Bayesian models was compared with rrBLUP and GBLUP. The prediction accuracy based on GBLUP was slightly lower than the Bayesian models on YLD and plant height (HT), but equal with BayesA on SPC, seed oil content (SOC) and seed glucosinolate content (GSL). Lastly, three machine learning algorithms all showed strong robustness in predicting all five traits, with the lowest prediction produced on YLD (69 to 72 %) and the highest on GSL (84 to 87 %). Taken together, this research offers valuable information in implementing GS in hybrid breeding of B. napus.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».