MGIDI selection and machine learning reveal harvest index driving traits in sodium azide-induced rice mutants with SSR-based genetic diversity
تُظهر هذه الدراسة أن دمج اختيار MGIDI مع تحليل تعلم الآلة لطفرات الأرز المستحثة بأزيد الصوديوم يكشف عن محصول الحبوب والقش كمحركات رئيسية لمؤشر الحصاد، مما ينجح في تحديد الأنماط الجينية المتميزة ذات التنوع الجيني العالي لتسريع عملية تربية الأرز.