Survey in the sugarcane expressed sequence tag database (SUCEST) for simple sequence repeats
Notice bibliographique
Résumé
Sugarcane microsatellites or simple sequence repeats (SSR) were developed in an economical and practical way by mining EST databases. A survey in the SUCEST (sugarcane EST) database revealed a total of 2005 clusters out of 43,141 containing SSRs. Of these, 8.2% were dinucleotide, 30.5% were trinucleotide, and 61.3% were tetranucleotide repeats. Except for dinucleotides, the CG-rich motif types were the most common. Differences in abundance of trinucleotide motif types were observed between EST-SSRs and those isolated from sugarcane genomic libraries. Among the different cDNA libraries used for EST sequencing, SSRs were more frequent in the ones derived from leaf roll (LR). Twenty-three out of 30 tested SSRs produced scorable polymorphisms in 18 sugarcane commercial clones. These EST-SSRs showed a moderate level of polymorphism with some SSRs producing unique fingerprints. The number of alleles observed among the 18 clones evaluated varied from 2 to 15, with an average of 6.04 alleles/locus. The polymorphism information content (PIC) values ranged from 0.28 to 0.90 with a mean of 0.66. The EST-SSRs screened over both parents (SP 80-180; SP 80-4966) and 6 F1 individuals produced 52 segregating markers that could potentially be used for sugarcane mapping. The EST-SSRs were found in clusters that had significant homology to proteins involved in important metabolic pathways such as sugar biosynthesis, proving that EST-SSRs are a valuable tool for the construction of a functional sugarcane map.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| 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) | 0,002 | 0,002 |
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 ».