Molecular and phenotypic characterization of seedling and adult plant leaf rust resistance in a world wheat collection
Notice bibliographique
Résumé
Genetic resistance is the most effective approach to managing wheat leaf rust. The aim of this study was to characterize seedling and adult plant leaf rust resistance of a world wheat collection. Using controlled inoculation with ten races of Puccinia triticina , 14 seedling resistance genes were determined or postulated to be present in the collection. Lr1 , Lr3 , Lr10 and Lr20 were the most prevalent genes around the world while Lr9 , Lr14b , Lr3ka and/or Lr30 and Lr26 were rare. To confirm some gene postulations, the collection was screened with gene-specific molecular markers for Lr1 , Lr10 , Lr21 and Lr34 . Although possessing the Lr1 and/or Lr10 gene-specific marker, 51 accessions showed unexpected high infection types to P. triticina race BBBD. The collection was tested in the field, where rust resistance ranged from nearly immune or highly resistant with severity of 1 % and resistant host response to highly susceptible with severity of 84 % and susceptible host response. The majority of the accessions possessing the adult plant resistance (APR) gene Lr34 had a maximum rust severity of 0–35 %, similar to or better than accession RL6058, a Thatcher- Lr34 near-isogenic line. Many accessions displayed an immune response or a high level of resistance under field conditions, likely as a result of synergy between APR genes or between APR and seedling resistance genes. However, accessions with three or more seedling resistance genes had an overall lower field severity than those with two or fewer. Immune or highly resistant accessions are potential sources for improvement of leaf rust resistance. In addition, some lines were postulated to have known but unidentified genes/alleles or novel genes, also constituting potentially important sources of novel resistance.
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 | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».