Unlocking big data doubled the accuracy in predicting the grain yield in hybrid wheat

  1. Zhao, Yusheng ORCID logo
  2. Thorwarth, Patrick ORCID logo
  3. Jiang, Yong ORCID logo
  4. Philipp, Norman ORCID logo
  5. Schulthess Börgel, Albert Wilhelm ORCID logo
  6. Gils, Mario
  7. Boeven, Philipp ORCID logo
  8. Longin, Carl Friedrich Horst ORCID logo
  9. Schacht, Johannes
  10. Ebmeyer, Erhard
  11. Korzun, Viktor ORCID logo
  12. Mirdita, Vilson
  13. Dörnte, Jost ORCID logo
  14. Avenhaus, Ulrike ORCID logo
  15. Horbach, Ralf ORCID logo
  16. Cöster, Hilmar
  17. Holzapfel, Josef
  18. Ramgraber, Ludwig
  19. Kuehnle, Simon ORCID logo
  20. Varenne, Pierrick
  21. Starke, Anne
  22. Schürmann, Friederike
  23. Beier, Sebastian ORCID logo
  24. Scholz, Uwe ORCID logo
  25. Liu, Fang ORCID logo
  26. Schmidt, Renate ORCID logo
  27. Reif, Jochen ORCID logo

Download
Zhao-Sci Adv-2021.pdf 4,63MB
WeightNameValue
1000 Titel
  • Unlocking big data doubled the accuracy in predicting the grain yield in hybrid wheat
1000 Autor/in
  1. Zhao, Yusheng |
  2. Thorwarth, Patrick |
  3. Jiang, Yong |
  4. Philipp, Norman |
  5. Schulthess Börgel, Albert Wilhelm |
  6. Gils, Mario |
  7. Boeven, Philipp |
  8. Longin, Carl Friedrich Horst |
  9. Schacht, Johannes |
  10. Ebmeyer, Erhard |
  11. Korzun, Viktor |
  12. Mirdita, Vilson |
  13. Dörnte, Jost |
  14. Avenhaus, Ulrike |
  15. Horbach, Ralf |
  16. Cöster, Hilmar |
  17. Holzapfel, Josef |
  18. Ramgraber, Ludwig |
  19. Kuehnle, Simon |
  20. Varenne, Pierrick |
  21. Starke, Anne |
  22. Schürmann, Friederike |
  23. Beier, Sebastian |
  24. Scholz, Uwe |
  25. Liu, Fang |
  26. Schmidt, Renate |
  27. Reif, Jochen |
1000 Erscheinungsjahr 2021
1000 LeibnizOpen
1000 Publikationstyp
  1. Artikel |
1000 Online veröffentlicht
  • 2021-06-11
1000 Erschienen in
1000 Quellenangabe
  • 7(24):eabf9106
1000 FRL-Sammlung
1000 Copyrightjahr
  • 2021
1000 Lizenz
1000 Verlagsversion
  • https://dx.doi.org/10.1126/sciadv.abf9106 |
  • https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8195483/ |
1000 Ergänzendes Material
  • http://advances.sciencemag.org/content/suppl/2021/06/07/7.24.eabf9106.DC1 |
1000 Publikationsstatus
1000 Begutachtungsstatus
1000 Sprache der Publikation
1000 Abstract/Summary
  • The potential of big data to support businesses has been demonstrated in financial services, manufacturing, and telecommunications. Here, we report on efforts to enter a new data era in plant breeding by collecting genomic and phenotypic information from 12,858 wheat genotypes representing 6575 single-cross hybrids and 6283 inbred lines that were evaluated in six experimental series for yield in field trials encompassing ~125,000 plots. Integrating data resulted in twofold higher prediction ability compared with cases in which hybrid performance was predicted across individual experimental series. Our results suggest that combining data across breeding programs is a particularly appropriate strategy to exploit the potential of big data for predictive plant breeding. This paradigm shift can contribute to increasing yield and resilience, which is needed to feed the growing world population.
1000 Fächerklassifikation (DDC)
1000 Liste der Beteiligten
  1. https://orcid.org/0000-0001-6783-5182|https://orcid.org/0000-0003-4456-2358|https://orcid.org/0000-0002-2824-677X|https://orcid.org/0000-0002-9735-9946|https://orcid.org/0000-0002-9365-0939|https://frl.publisso.de/adhoc/uri/R2lscywgTWFyaW8=|https://orcid.org/0000-0003-1536-6606|https://orcid.org/0000-0002-0737-1651|https://frl.publisso.de/adhoc/uri/U2NoYWNodCwgSm9oYW5uZXM=|https://frl.publisso.de/adhoc/uri/RWJtZXllciwgRXJoYXJk|https://orcid.org/0000-0003-0760-8249|https://frl.publisso.de/adhoc/uri/TWlyZGl0YSwgVmlsc29u|https://orcid.org/0000-0002-3288-2840|https://orcid.org/0000-0001-9711-1409|https://orcid.org/0000-0001-5127-5846|https://frl.publisso.de/adhoc/uri/Q8O2c3RlciwgSGlsbWFyIA==|https://frl.publisso.de/adhoc/uri/SG9semFwZmVsLCBKb3NlZg==|https://frl.publisso.de/adhoc/uri/UmFtZ3JhYmVyLCBMdWR3aWc=|https://orcid.org/0000-0001-8701-9967|https://frl.publisso.de/adhoc/uri/VmFyZW5uZSwgUGllcnJpY2s=|https://frl.publisso.de/adhoc/uri/U3RhcmtlLCBBbm5l|https://frl.publisso.de/adhoc/uri/U2Now7xybWFubiwgRnJpZWRlcmlrZQ==|https://orcid.org/0000-0002-2177-8781|https://orcid.org/0000-0001-6113-3518|https://orcid.org/0000-0002-3774-552X|https://orcid.org/0000-0002-8037-3581|https://orcid.org/0000-0002-6742-265X
1000 Label
1000 Förderer
  1. Bundesministerium für Ernährung und Landwirtschaft |
  2. Bundesanstalt für Landwirtschaft und Ernährung |
  3. Bundesministerium für Bildung und Forschung |
1000 Fördernummer
  1. 2814604113
  2. 031B0184A
1000 Förderprogramm
  1. ZUCHTWERT
  2. -
1000 Dateien
1000 Objektart article
1000 Beschrieben durch
1000 @id frl:6438470.rdf
1000 Erstellt am 2022-11-17T16:25:41.018+0100
1000 Erstellt von 325
1000 beschreibt frl:6438470
1000 Bearbeitet von 317
1000 Zuletzt bearbeitet 2022-11-22T09:56:18.342+0100
1000 Objekt bearb. Tue Nov 22 09:55:48 CET 2022
1000 Vgl. frl:6438470
1000 Oai Id
  1. oai:frl.publisso.de:frl:6438470 |
1000 Sichtbarkeit Metadaten public
1000 Sichtbarkeit Daten public
1000 Gegenstand von

View source