Genetic diversity evaluation of some agronomic traits in dill accessions using biplot model
Notice bibliographique
Résumé
As a widely cultivated vegetable crop, dill (Anethum graveolens L.) is produced for both food and medicinal purposes. This research investigates the genetic diversity of 30 dill accessions from diverse regions of Iran. The evaluated traits included: seed number per umbel (SNU), number of umbellets per umbel (NUU), number of umbels per plant (NUP), node number before flowering (NNF), inflorescence fresh weight (IFW), plant fresh weight (PFW), inflorescence dry weight (IDW), plant dry weight (PDW), and seed yield (SY). The accession-by-trait biplot explained 83% (52% and 31% for the first and second principal components, respectively) of the total variation, indicating a complex pattern of interactions between accessions and traits in dill. Plant fresh and dry weight, and SY were related to seed of umbel, and umbellet of umbel, so these yield components can be used for improving both seed yield and biomass. Results revealed significant variation in traits across the accessions, with accessions 22 (Urmia) and 11 (Sarab) showing consistently high performance for both PDW and SY. Also, a graphical biplot analysis highlighted key trait associations, including strong positive relationships between IFW, IDW, and NUP. Accessions 22 and 11 were identified as the most reliable candidates for future breeding programs aimed at improving dill biomass and seed yield. Accession 24, followed by accessions 3, 22, and 30, were identified as the ideal accessions, suggesting their superior ability for discriminating across traits. PDW following to SNU and SY indicated the more potential for both representative and discrimination capabilities, positioned at the ideal trait location.
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 ».