Timotein maantieteelliset geenipoolit ja niiden käyttö jalostusohjelmissa
Bibliographic record
Abstract
Timotein (Phleum pratense L.) tärkeimpiä viljelyalueita ovat Skandinavia, Venäjä, Japani, Keski-Eurooppa ja Pohjois-Amerikka. Timoteilla voidaan erottaa eri kasvutyyppejä maantieteellisen alkuperän mukaan. Suomessa ja muualla Skandinavian pohjoisemmissa osissa viljellyillä timoteilajikkeilla on ollut erittäin hyvä talvehtimiskyky. Niiden sato on painottunut ensimmäiseen satoon, ts. jälkikasvukyky on ollut suhteellisen vaatimaton. Perinteiset pohjoisen tyypin timoteit ovat kahden niiton lajikkeita. Eteläisempää tyyppiä edustavien lajikkeiden jälkikasvukyky on parempi ja ne voidaan niittää useampia kertoja. Talvenkestävyys ei yleensä riitä Suomen olosuhteissa. Erilaista maantieteellistä alkuperää olevaa materiaalia käyttämällä voidaan parantaa toiselle maantieteelliselle alueelle tehtävää jalostusohjelmaa tuomalla ohjelmaan uusia ominaisuuksia. Suomessa käytettyjen timoteilajikkeiden heikkous on niiden huono jälkikasvukyky. Jälkikasvukykyä voidaan parantaa käyttämällä eteläisempää alkuperää olevaa kasvimateriaalia. Tuotaessa eteläistä materiaalia Suomeen suunnattuun jalostusohjelmaan ongelmaksi tulee talvenkestävyyden heikkeneminen sekä sadon laadun aleneminen. Talvehtimiseen liittyviä ongelmia voidaan välttää testaamalla eri maantieteellistä alkuperää oleva kasvimateriaali riittävän ankarassa valintatestissä ennen jalostusohjelmaan sisään vientiä. Eteläisempää alkuperää oleva materiaalin laatu on yleensä heikompi. Kehitysrytmi on selvästi nopeampi kuin pohjoisella materiaalilla ja korren osuus biomassasta on suurempi. Ilmeisesti myös ligniinin ja iNDF-kuidun osuus korressa on suurempi. Laatuominaisuuksista saadaan ensimmäiset luotettavat havainnot jälkeläistestauksessa, minkä jälkeen materiaalia voidaan käyttää varsinaisten synteettisten linjojen tekemiseen. Jalostusohjelmissa voidaan tavoitella joko paikallista tai laajaa sopeutumista. Perinteisesti timoteita on jalostettu hyvinkin spesifisille kohdealueille, esimerkiksi Pohjois- ja Etelä- Suomeen on jalostettu omia lajikkeita. Kuitenkin nykyiset modernit timoteilajikkeet, joiden taustalla on laajempi geenipooli, menestyvät hyvin koko maassa. Talvehtimisessa ei ole ongelmia, jälkikasvukyky ja laatu ovat parempia kuin vanhoilla lajikkeilla. Viime kädessä lajikemarkkinan koko ratkaisee sen miten suuri lajikkeen adaptaatiokyvyn pitää olla. Laajemmassa tarkastelussa timoteilla voidaan erottaa neljä laajempaa potentiaalista jalostuksen kohdealuetta: 1. Skandinavian pohjoisosa (Suomi, Ruotsi (keski- ja pohjoisosa), Norja, Islanti), 2. mantereinen Keski-Eurooppa, 3. merellinen Keski-Eurooppa, 4. Pohjois-Amerikka. Vaatimukset lajikkeille vaihtelevat vielä kohdealueittain ja maittain, esim. sadon määrän ja laadun merkityksen suhteen. Kohdealuekohtaisen jalostustyön synnyttämää vaihtelua voidaan hyödyntää muille kohdealueille tehtävissä jalostusohjelmissa soveltuvin osin. Käyttämällä laajaa geneettistä pohjaa jalostuksessa on mahdollista tehdä lajikkeita joilla on erittäin laaja adaptaatiokyky.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 0.005 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".