Application of molecular markers to wheat breeding in <scp>C</scp>anada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Marker‐assisted breeding provides an opportunity for wheat breeders to introgress/pyramid genes of interest into breeding lines and to identify genes and/or quantitative trait loci in germplasm to be used as parents. Molecular markers were deployed to assist selection for disease resistance, agronomic and quality traits in several wheat cultivars released for commercial cultivation in C anada. Marker‐assisted breeding is routinely used in most wheat breeding programmes for rust resistance (leaf, stem and stripe rust), orange wheat blossom midge resistance, high grain protein concentration, Fusarium head blight and common bunt resistance. Markers are being used selectively within breeding programmes to target traits that relate to market class or regional adaptation. For example, marker‐assisted breeding for low lipoxygenase activity and low grain cadmium is being performed in durum breeding programmes and for enhancing stem solidness in programmes targeting resistance to the wheat stem sawfly. Markers are also being utilized for ergot resistance in durum wheat. Increased gluten strength is being selected with a marker for the overexpression of the B x7 high‐molecular‐weight glutenin subunit. Marker‐assisted breeding is also being used to pyramid resistance genes against a group of stem rust races related to TTKS ( U g99), a disease that poses a serious threat to global wheat production. Development of tightly linked diagnostic markers and high‐throughput genotyping with SNP markers will result in more effective molecular wheat breeding in the near future and will open the door to genomic 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.
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 découle