Genetic diversity and selection of genotypes to enhance Zn and Fe content in common bean
Notice bibliographique
Résumé
L.) is an important source of dietary protein and minerals worldwide. Genes conditioning variability for mineral contents are not clearly understood. Our ultimate goal is to identify genes conditioning genetic variation for Zn and Fe content. To establish mapping populations for this objective, we tested mineral content of 29 common bean genotypes. Chemical analyses revealed significant genetic variability for seed Zn and Fe contents among the genotypes. Genetic diversity was evaluated with 49 primer pairs, of which 23 were simple sequence repeats (SSR), 16 were developed from tentative consensus (TC) sequences, and 10 were generated from common bean NBS-LRR gene sequences. The discriminatory ability of molecular markers for identifying allelic variation among genotypes was estimated by polymorphism information content (PIC) and the genetic diversity was measured from genetic similarities between genotypes. Primers developed from NBS-LRR gene sequences were highly polymorphic in both PIC values and number of alleles (0.82 and 5.3), followed by SSRs (0.56 and 3.0), and markers developed from TC (0.39 and 2.0). genetic similarity values between genotypes ranged from 14.0 (JaloEEP558 and DOR364) to 91.4 (MIB152 and MIB465). Cluster analysis clearly discriminated the genotypes into Mesoamerican and Andean gene pools. Common bean genotypes were selected to include in crossing to enhance seed Zn and Fe content based on genetic diversity and seed mineral contents of the genotypes.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».