Genetic Study and QTL Mapping of Seed Glucosinolate Content in <i>Brassica rapa</i> L.
Notice bibliographique
Résumé
ABSTRACT Self‐incompatibility in Brassica rapa L. is a major impediment to experimental studies on the genetic control of quantitative traits such as seed glucosinolate (GSL) content. In this paper, we report quantitative trait loci (QTL) mapping of total seed GSL content using a recombinant inbred line (RIL) population derived from two self‐compatible high‐ and low‐GSL B. rapa grown under different environmental conditions. Furthermore, quantitative genetic analysis using the parents and their F 1 , F 2 , B 1 (F 1 backcrossed to high‐parent P 1 ), B 2 (F 1 backcrossed to low‐parent P 2 ), and self‐pollinated progenies of B 1 generation populations are also reported. Quantitative genetic analysis showed that additive genetic variance was consistently significant under different environments, while the dominance effect was significant under one growth condition. However, a simple additive‐dominance model was inadequate to explain the segregation variation among the generation means. Nonallelic interaction effects were important in the genetic control of GSL content in early generations where the levels of heterozygosity remained high. QTL mapping detected three loci at the linkage groups A2, A7, and A9 involved in the control of this trait. These QTL individually explained 5 to 22% of total phenotypic variation. The QTL on A9 was detected in all environments and explained 22%, the greatest amount of phenotypic variation. No additive × additive gene interaction was detected based on QTL analysis, and this also largely agreed with quantitative genetic analysis. Similarly, the number of loci detected based on QTL mapping also agree with the results obtained from quantitative genetic analysis.
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 | 0,001 |
| 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 ».