Phenotypic and Genotypic Characterization of Purple Kernel Streak in White Food Corn
Notice bibliographique
Résumé
Purple kernel streaking (PKS) in white food corn ( Zea mays L.) is characterized by the accumulation of purple‐pigmented streaks (anthocyanins) in an otherwise colorless pericarp. This paper is the first published report documenting PKS, the prevalence of the trait in commercial white food corn germplasm, and the genetics underlying it. Entries from the Early White Food Corn Performance Trials were grown in Ontario over a three‐year period and rated for incidence of PKS and days to flower. All commercial hybrids entered were genetically predisposed to PKS with severity varying across years and entries, and not consistently related to hybrid maturity. Quantitative trait locus (QTL) mapping was used to identify the genomic regions influencing PKS expression in an F 2:3 population derived from the cross of two white food corn inbred lines, SD79 and SD80. PKS exhibited significant genotype × year interaction. QTLs were identified for each year explaining 64 and 46% of the phenotypic variation, with only one single‐effect and one two‐way interaction common across the two years. Linkage of the main single‐effect QTL with the y1 gene, coupled with the G×E effects, may explain the prevalence of PKS in commercial white food corn hybrids.
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 ».