Establishment of an effective set of simple sequence repeat markers for sunflower variety identification and diversity assessment
Notice bibliographique
Résumé
The objective of this study was to identify an efficient set of simple sequence repeat (SSR) markers for sunflower (Helianthus annuus L.) variety fingerprinting, relying on semi-automated analysis conditions. Based on criteria such as quality of amplification products, co-dominant and single locus, 78 SSR markers were selected and used to assess the genetic variability among a large set of 124 sunflower inbred lines, including 67 female maintainers (M lines) and 57 male restorers (R lines). They revealed a total of 276 alleles across the 124 elite inbred lines, with a mean of 3.5 alleles per SSR locus. The polymorphism index content per locus varied from 0.06 to 0.81, with an average of 0.51. Relationships among the inbred lines were studied using estimations of Rogers' distances. The great majority of the distance estimates ranged between 0.4 and 0.6, but distances between some pairs of lines were less than 0.1. The genetic diversity value was similar within each subset of R and M lines and low, but significant differentiation was found (GST = 0.049) between the two pools. The selected set of SSRs proved to be useful both for sunflower fingerprinting and genetic diversity assessment.Key words: genetic diversity, genotyping, Helianthus annuus, multiplex PCR, simple sequence repeats (SSR).
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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) | 0,001 | 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 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 ».