MGIDI selection and machine learning reveal harvest index driving traits in sodium azide-induced rice mutants with SSR-based genetic diversity
यह अध्ययन प्रदर्शित करता है कि सोडियम अज़ाइड-प्रेरित चावल के उत्परिवर्तित (म्यूटेंट) नमूनों के मशीन लर्निंग विश्लेषण के साथ MGIDI चयन को एकीकृत करने से अनाज और पुआल की उपज हार्वेस्ट इंडेक्स के प्रमुख चालक के रूप में प्रकट होती है, जो त्वरित चावल प्रजनन के लिए उच्च आनुवंशिक विविधता वाले उत्कृष्ट जीनोटाइप की सफलतापूर्वक पहचान करती है।