Genomic, Marker‐Assisted, and Pedigree‐BLUP Selection Methods for β‐Glucan Concentration in Elite Oat
Notice bibliographique
Résumé
ABSTRACT β‐glucan, a soluble fiber found in oat (Avena sativa L.) grain, is good for human health, and selection for higher levels of this compound is regarded as an important breeding objective. Recent advances in oat DNA markers present an opportunity to investigate new selection methods for polygenic traits such as β‐glucan concentration. Our objectives in this study were to compare genomic, marker‐assisted, and best linear unbiased prediction (BLUP)–based phenotypic selection for short‐term response to selection and ability to maintain genetic variance for β‐glucan concentration. Starting with a collection of 446 elite oat lines from North America, each method was conducted for two cycles. The average β‐glucan concentration increased from 4.57 g/100 g in Cycle 0 to between 6.66 and 6.88 g/100 g over the two cycles. The averages of marker‐based selection methods in Cycle 2 were greater than those of phenotypic selection (P < 0.08). Progenies with the highest β‐glucan came from the marker‐based selection methods. Marker‐assisted selection (MAS) for higher β‐glucan concentration resulted in a later heading date. We also found that marker‐based selection methods maintained greater genetic variance than did BLUP phenotypic selection, potentially enabling greater future selection gains. Overall, the results of these experiments suggest that genomic selection is a superior method for selecting a polygenic complex trait like β‐glucan concentration.
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) | 0,000 | 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) | 0,000 | 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 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 ».