QTL mapping for stay-green in maize (<i>Zea mays</i>)
Notice bibliographique
Résumé
Wang, A.-y., Li, Y. and Zhang, C.-q. 2012. QTL mapping for stay-green in maize ( Zea mays ). Can. J. Plant Sci. 92: 249–256. Stay-green is a desirable character for crop production. In order to explore the genetic basis for stay-green traits in maize, 112 polymorphic simple sequence repeat (SSR) markers were used to analyze 189 F 2 individuals derived from a single cross of inbred lines A150-3-2 (a stay-green inbred line) and Mo17 (a normal inbred line). A total of 14 quantitative trait loci (QTLs) were detected for three stay-green related traits, green leaf area per plant at 30 d after flowering (GLA2), green leaf area per plant at the grain-ripening stage (GLA3), and left green leaf number per plant at the grain-ripening stage (LLN). Single QTL explained from 3.16 to 12.50% of the phenotypic variance. Among them, three were major QTLs. In addition, we analyzed the other two traits, green leaf area per plant in the whole growing period (GLA1) and total leaf number per plant in the whole growing period (TLN), and detected eight QTLs for them. Our results will be helpful to the maize breeders for marker-assisted selection.
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 | 0,001 | 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 ».