Identification of <i>Brassica</i> genotypes and molecular markers for increased seed oil content
Notice bibliographique
Résumé
Javed, N., Tahir, M., Geng, J., Li, G. and McVetty, P. B. E. 2014. Identification of Brassica genotypes and molecular markers for increased seed oil content. Can. J. Plant Sci. 94: 1103–1108. Carbon dioxide emissions by the transportation sector are major contributors to global climate change. Lower CO2 emissions by the transportation sector are linked to the use of renewable fuels including biodiesel. Canola has high seed oil content, adaptation to temperate climates and favorable fatty acid composition, which make it a preferred feedstock for biodiesel production. Doubled haploid (DH) line, random inbred (RI) line and consensus genetics maps for mapping populations derived from Polo × Topas were developed. The DH line-based genetic map was then used for the identification and tagging of quantitative trait loci (QTL) controlling seed oil biosynthesis. This genetic map consisted of 620 loci identified using several different types of molecular markers, and covered a map distance of 2241.1 cM with marker saturation of 3.7 cM. The phenotypic data on the mapping population for seed oil content and component fatty acids were collected from four-environment replicated field trials. One hundred and thirty-one QTL for various fatty acids in canola oil and 14 QTL for oil content were identified. These QTL, combined with marker-assisted selection, may assist breeders in their attempts to develop canola lines with improved oil quality, oil content and oil production per hectare for biodiesel production.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».