Étude de la variabilité et de l'assise génétique de l'architecture du système racinaire chez le soya (Glycine max (L.) Merr.)
Bibliographic record
Abstract
L'architecture du système racinaire (ASR) est un aspect fondamental de la productivité des plantes, en particulier dans les environnements aux ressources limitées. Bien que l'importance de l’ASR soit connue, peu d'études ont exploré sa variabilité et son assise génétique chez les plantes, sans doute parce que les racines sont sous terre et sont difficiles à observer. Dans cette étude, nous avons étudié la variation naturelle de l’ASR au sein d’une collection de 137 lignées de soya hâtif représentative de ce qui est cultivé dans l’est du Canada. Nous avons utilisé des « rhizo boîtes », des enceintes constituées de plaques en acrylique, au sein desquelles nous avons documenté le développement du système racinaire en deux dimensions. Des photos ont été prises à l’aide d’une caméra et traitées à l’aide de logiciels d’analyse d’images pour mesurer différents caractères racinaires. Les analyses statistiques ont montré des différences phénotypiques significatives (P < 0,001) pour les caractères étudiés. Pour cette même collection de 137 lignées, nous avions des données génotypiques importantes issues de génotypage par séquençage et de reséquençage (2,18Mde marqueurs SNP). Au moyen de ces données phénotypiques et génotypiques, nous avons effectué des analyses pangénomiques ou GWAS (« Genome-wide association study ») pour identifier des locus de caractère quantitatif (QTL) contrôlant les caractères racinaires à l’étude. Au total, 10 QTL sont détectés pour deux caractères importants : la longueur totale des racines et le diamètre de la racine principale. Au sein de ces régions génomiques, deux gènes candidats sont identifiés dont les fonctions sont connues pour avoir un impact majeur sur l’ASR chez les plantes et qui expliquent de 15 à 25 % de la variation phénotypique observée. Ces gènes pourront servir à développer de nouvelles variétés de soya dotées de meilleurs systèmes racinaires afin d’assurer de meilleurs rendements en conditions de stress.
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) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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; a candidate call from one teacher head, not a consensus.
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".