Mapping QTL Associated with Traits Affecting Grain Yield in Chickpea (<i>Cicer arietinum</i> L.) under Terminal Drought Stress
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
The aim of this study was to evaluate a set of recombinant inbred lines (RILs) for agronomic and physiological traits under drought conditions and to locate quantitative trait loci (QTL) associated with them. This study used a RIL population derived from a cross between drought tolerant (ILC 588) and susceptible (ILC 3279) genotypes. The population consisting of 155 RILs was grown under drought conditions in the field at Tel Hadya, Syria, in 2006 and 2007 and at Breda, Syria, in 2007. A genetic map consisting of eight linkage groups was developed using 97 simple sequence repeat (SSR) markers. The results revealed that high harvest index (HI), early flowering, and early maturity were the important attributes contributing to higher grain yield under drought. Higher stomatal conductance (g s ) and cooler canopies (canopy temperature minus air temperature [Tc–Ta]) can also lead to better performance under drought conditions. Quantitative trait locus analysis identified 15 genomic regions significantly associated with various traits affecting drought tolerance in chickpea. Important QTL detected in this study included two QTL for HI explaining 38% of the total phenotypic variability of the trait, four QTL for flowering explaining 45%, and three QTL for maturity explaining 52% on a cumulative basis. Three QTL for g s and six QTL for Tc–Ta also detected explained 7 to 15% phenotypic variability individually. Two QTL (Q3‐1 and Q1‐1) on linkage group 3 (LG3) and LG1 showed effects on many traits related to drought. Hence, these regions can be further explored in future drought studies.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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