マルチ環境トライアルとは何ですか？
Multi Environment Trials マルチ環境トライアル - An advanced method of analysis for multi-environment trials that includes factor analytic selection tools to summarize overall performance and stability to a specific trait across the environments could deliver useful information to guide growers and plant breeding programs in providing the most appropriate decision making-strategy. [1] It is suggested to select and use a set of marker cultivars in multi-environment trials to obtain additional information about target environments and make more informed decisions on culling plant breeding materials. [2] The integration of environmental covariates and genomic prediction in multi-environment trials assists in the prediction of varietal performance for different agro-climatic zones. [3] However, most of the existing studies were based on historical datasets from one environment; therefore, they were unable to evaluate the efficiency of multi-omics prediction in multi-environment trials and distantly-related populations. [4] Multi-environment trials (METs) allow breeders to analyze crop performance across diverse conditions, but also pose statistical challenges (e. [5] Conditional on year types, we fitted yield response surfaces as functions of genotype, latitude and longitude to virtual multi-environment trials. [6] The interaction of genotype by the environment is very common in multi-environment trials of maize hybrids. [7] A subset of 530 lines from 28 families were evaluated in multi-environment trials over three years. [8] A subset of the SoyNAM population (n = 383) was grown in multi-environment trials and destructive AGB measurements were collected along with multispectral and RGB imaging from 27 to 83 days after planting (DAP). [9] A population of 722 wheat lines representing 63 families tested in more than 100 multi-environment trials during 2010–2019 was for this purpose employed to conduct an empirical study, which was supplemented by a simulation with genotypic data from further 3855 lines. [10] ABSTRACT: In multi-environment trials (MET), large networks are assessed for results improvement. [11] Like other crops, Kabuli Chickpea genotypes are screened for drought stress through Multi-environment trials (METs). [12] In the multi-environment trials experiment, AMMI analysis showed that grain yields of the tested barley genotypes were influenced by the environment (E), genotype (G), and GE interaction. [13] We further demonstrate that probability methods of stability analysis in a Bayesian framework are a powerful tool for unraveling GEI given a defined intensity of selection that results in a more informed decision-making process towards cultivar recommendation in multi-environment trials. [14] Multi-environment trials (MET) are conducted to assess the performance of a set of genotypes in a target population of environments. [15] Multi-environment trials was carried out at Nepalgunj, Parwanipur, Itahari and Surkhet during the winter season of 2014-2017 comprised of 10 diverse Rajma genotypes in Randomized Complete Block Design with three replications in order to evaluate the quantitative variation with respect to yield and yield contributing traits. [16] The investigation of the structure of genotype-by-environment interaction is an important topic in multi-environment trials, in which a series of tests are undertaken across multiple environmental conditions. [17] In this study, we estimated genetic parameters for fresh tuber yield, tuber dry matter content, and quantitative field tolerance to yam mosaic virus in 49 clones grown in multi-environment trials (METs). [18] However, before the varieties can be recommended to growers, they need to be evaluated in multi-environment trials (MET) in order to identify varieties with broad adaptation for general recommendation and those with specific adaptation for targeted environment production. [19] Therefore, we aimed to design optimized training sets for multi-trait for multi-environment trials (MTMET). [20] However, most of the existing studies were based on historical datasets from one environment; therefore, they were unable to evaluate the efficiency of multi-omics prediction in multi-environment trials and distantly-related populations. [21] The protocol involves estimating parameters of nonlinear models for fitting maturity curves in multi-environment trials, clustering of curves according to the sucrose accumulation parameters and estimation of variability due to G, E and G × E within each cluster to identify the group with characteristic genotypic curves. [22] Then, we designed optimized multi-environment trials coupling genetic algorithms, enviromic assembly, and genomic kinships capable of providing in-silico realization of the genotype-environment combinations that must be phenotyped in the field. [23] ) through the development of adaptable, high-yielding, and rust-resistant genotypes by evaluating advanced genotypes for yield in multi-environment trials. [24] Multi-environment trials have a fundamental role in selecting the better performing genotypes stable across different environments before its commercial release. [25] Multi-environment trials have a fundamental role in selection of the best genotypes across different environments before its commercial release. [26] Moreover, extensive data from multi-environment trials (METs) were used to cross-validate a Bayesian multi-trait multi-environment (MTME) model that integrates the analysis of multiple-traits, such as G × E interaction. [27] KEY MESSAGE Integration of multi-omics data improved prediction accuracies of oat agronomic and seed nutritional traits in multi-environment trials and distantly related populations in addition to the single-environment prediction. [28] Hence, we aimed to verify empirically: (i) the impact of the genotype by environment complexity on the prediction accuracy of grain yield in maize hybrids; (ii) the advantage of dominance effects modeling for the prediction of maize hybrids in multi-environment trials; (iii) how parent information impacts on the prediction accuracy of hybrids in multi-environment genomic models. [29] ) breeding lines under shade in multi-environment trials. [30] Multi environment trials on eight Aus rice varieties were conducted at four environmental conditions in 2016. [31]環境全体の特定の特性に対する全体的なパフォーマンスと安定性を要約する因子分析選択ツールを含む、複数環境試験の高度な分析方法は、最も適切な意思決定戦略を提供する際に栽培者と植物育種プログラムを導くための有用な情報を提供できます。 [1] 複数環境試験で一連のマーカー栽培品種を選択して使用し、対象環境に関する追加情報を取得し、植物育種材料のカリングについてより多くの情報に基づいた決定を行うことをお勧めします。 [2] 複数環境試験における環境共変量とゲノム予測の統合は、さまざまな農業気候帯の品種性能の予測に役立ちます。 [3] ただし、既存の調査のほとんどは、1つの環境からの履歴データセットに基づいていました。したがって、彼らは、マルチ環境試験および遠縁の集団におけるマルチオミクス予測の効率を評価することができませんでした。 [4] マルチ環境試験（MET）を使用すると、ブリーダーはさまざまな条件で作物のパフォーマンスを分析できますが、統計的な課題も発生します（e。 [5] 年のタイプを条件として、遺伝子型、緯度、経度の関数としての収量応答曲面を仮想多環境試験に適合させました。 [6] 環境による遺伝子型の相互作用は、トウモロコシ雑種の複数環境試験で非常に一般的です。 [7] 28家族からの530系統のサブセットが、3年間にわたる多環境試験で評価されました。 [8] SoyNAM集団のサブセット（n = 383）は、マルチ環境試験で成長し、破壊的なAGB測定値が、植え付け後27〜83日（DAP）のマルチスペクトルおよびRGBイメージングとともに収集されました。 [9] 2010〜2019年に100を超える多環境試験でテストされた63家族を表す722小麦系統の集団は、この目的のために使用され、さらに3855系統の遺伝子型データを使用したシミュレーションによって補足された実証的研究が行われました。 [10] 要約：マルチ環境試験（MET）では、結果の改善について大規模なネットワークが評価されます。 [11] 他の作物と同様に、カブリヒヨコマメの遺伝子型は、多環境試験（MET）を通じて干ばつストレスについてスクリーニングされます。 [12] 複数環境試験の実験では、AMMI分析により、テストされたオオムギの遺伝子型の穀物収量が、環境（E）、遺伝子型（G）、およびGEの相互作用によって影響を受けることが示されました。 [13] さらに、ベイジアンフレームワークでの安定性分析の確率法が、複数環境試験での栽培品種の推奨に向けたより多くの情報に基づいた意思決定プロセスをもたらす定義された選択の強度を考えると、GEIを解明するための強力なツールであることを示します。 [14] 複数環境試験（MET）は、対象となる環境集団における一連の遺伝子型のパフォーマンスを評価するために実施されます。 [15] ネパールガンジ、パルワニプール、イタハリ、スルケートで、2014年から2017年の冬季に、収量と収量に関する定量的変動を評価するために、ランダム化された完全なブロック設計の10の多様なラジマ遺伝子型で構成される複数環境試験が実施されました。貢献する特性。 [16] 遺伝子型ごとの相互作用の構造の調査は、複数の環境条件にわたって一連のテストが行われる複数環境試験の重要なトピックです。 [17] この研究では、多環境試験（MET）で栽培された49のクローンにおいて、新鮮な塊茎収量、塊茎乾物含量、およびヤムイモモザイクウイルスに対する定量的圃場耐性の遺伝的パラメーターを推定しました。 [18] ただし、品種を栽培者に推奨する前に、一般的な推奨に幅広く適応している品種と、対象となる環境生産に特に適応している品種を特定するために、マルチ環境試験（MET）で評価する必要があります。 [19] したがって、マルチ環境トライアル（MTMET）のマルチトレイト用に最適化されたトレーニングセットを設計することを目指しました。 [20] ただし、既存の調査のほとんどは、1つの環境からの履歴データセットに基づいていました。したがって、彼らは、マルチ環境試験および遠縁の集団におけるマルチオミクス予測の効率を評価することができませんでした。 [21] このプロトコルには、多環境試験で成熟度曲線をフィッティングするための非線形モデルのパラメーターの推定、ショ糖蓄積パラメーターによる曲線のクラスタリング、および各クラスター内のG、E、G×Eによる変動性の推定が含まれ、特徴的な遺伝子型を持つグループを識別します。曲線。 [22] 次に、遺伝的アルゴリズム、環境アセンブリ、およびゲノムの血縁関係を組み合わせた最適化されたマルチ環境試験を設計し、フィールドで表現型を決定する必要のある遺伝子型と環境の組み合わせをインシリコで実現できるようにしました。 [23] ）多環境試験での収量について高度な遺伝子型を評価することにより、適応性があり、高収量で、さびに強い遺伝子型の開発を通じて。 [24] マルチ環境試験は、商用リリース前に、さまざまな環境で安定したパフォーマンスの高い遺伝子型を選択する上で基本的な役割を果たします。 [25] マルチ環境試験は、商用リリース前にさまざまな環境で最良の遺伝子型を選択する上で基本的な役割を果たします。 [26] さらに、マルチ環境試験（MET）からの広範なデータを使用して、G×E相互作用などの複数の特性の分析を統合するベイズのマルチ特性マルチ環境（MTME）モデルを相互検証しました。 [27] 重要なメッセージ マルチオミクスデータの統合により、単一環境の予測に加えて、複数環境の試験および遠縁の集団におけるオーツ麦の農学的および種子の栄養特性の予測精度が向上しました。 [28] したがって、経験的に検証することを目的としました。（i）トウモロコシ雑種の子実収量の予測精度に対する環境の複雑さによる遺伝子型の影響。 （ii）多環境試験におけるトウモロコシ雑種の予測のための優性効果モデリングの利点。 （iii）親情報がマルチ環境ゲノムモデルのハイブリッドの予測精度にどのように影響するか。 [29] ）複数環境試験で日陰にある繁殖系統。 [30] 2016 年に 4 つの環境条件で 8 つの Aus 米品種の多環境試験が実施されました。 [31]