Distribution of genes related to plant height, kernel weight and disease resistance among wheat cultivars from major countries
Notice bibliographique
Résumé
Using the molecular markers for dwarfing genes(Rht-B1b and Rht-D1b)and kernel weight related genes(TaCwi-A1a and Hap-6A-A) and Lr34/Yr18/Pm38,the distributions of these genes were detected among 745 cultivars from 21 major wheat-growing countries.The results indicated that:(1) The frequencies of Rht-B1b and Rht-D1b in 745 cultivar were 42.1% and 28.7%,respectively,varying much in different wheat-growing countries.Generally,cultivars from the same country usually carried only one of Rht-B1b and Rht-D1b,frequencies only from Italy and Australia were higher for both Rht-B1b and Rht-D1b,which in high latitude areas such as Canada and Russia were lower due to less requirement for plant height.(2) TaCwi-A1a allele was widely distributed in 21 countries with a total frequency of 78.4%,and cultivars from different countries possessed all higher frequency of TaCwi-A1a except for Japan(50.0%),Germany(45.3%) and Chile(48.8%).The 29.3% of cultivars carried Hap-6A-A allele at TaGW2-6A locus,mainly distributing in spring and weak winter wheat,whereas Hap-6A-G was mainly present in winter and strong winter cultivars.(3) The 22.1% of cultivars had Lr34/Yr18/Pm38 allele,with higher frequency in USA(18.5%),Ukraine(28.6%),Russia(26.1%),Iran(20.0%),Turkey(34.8%),Hungary(50.0%),Bulgaria(38.9%),Romania(87.0%),Japan(80.0%),Canada(34.6%) and Australia(44.6%).(4)The molecular markers CWI 21 and CWI 22 for TaCwi-A1 can well differentiate TaCwi-A1a and TaCwi-A1b alleles,while the CAPS marker of TaGW2-6A can also be used for kernel weight selection due to its ability of discriminating Hap-6A-A and Hap-6A-G with great accuracy and repeatability.The information is very crucial for use of exotic germplasm in Chinese wheat breeding program.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».