QTL mapping of seed-quality traits in sunflower recombinant inbred lines under different water regimes
Notice bibliographique
Résumé
The objectives of the present research were to determine the effects of water stress on seed-quality traits and to map QTLs controlling the studied traits under two different water treatments in a population of sunflower recombinant inbred lines (RILs). Two experiments were conducted in greenhouse and field conditions, each with well-watered and water-stressed treatments. The experiments consisted of a split-plot design (water treatment and RIL) with three blocks. Analyses of variance showed significant variation among genotypes, and a water treatment x genotype interaction was also observed for most of the traits. Two to 15 QTLs were found, depending on trait and growth conditions, and the percentage of phenotypic variance explained by the QTLs ranged from 5% to 31%. Several QTLs for oil content overlapped with QTLs for palmitic and stearic acid contents in all four conditions. An overlapping region on linkage group 3 (QTLs 2.OC.3.1 and 4.SA.3.1) was linked to an SSR marker (ORS657). A principal component analysis was performed on four fatty acid traits. Two principal components, P1 and P2, were used for QTL analysis. This method improved the ability to identify chromosomal regions affecting the fatty acids. We also detected the principal-component QTLs that did not overlap with the fatty acid QTLs. The results highlight genomic regions of interest in marker-based breeding programmes for increasing oil content in sunflower.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».