A second-generation diagnostic single nucleotide polymorphism (SNP)-based assay, optimized to distinguish among eight poplar (Populus L.) species and their early hybrids
Notice bibliographique
Résumé
Rapid identification of Populus L. species and hybrids can be achieved with relatively little effort through the use of primer extension-based single nucleotide polymorphism (SNP) genotyping assays. We present an optimized set of 36 SNP markers from 28 gene regions that diagnose eight poplar species ( Populus angustifolia James, Populus balsamifera L., Populus deltoides Bartram, Populus fremontii Watson, Populus laurifolia Ledeb., Populus maximowiczii Henry, Populus nigra L., and Populus trichocarpa Torr. & Gray). A total of 700 DNA sequences from six Populus species (1–15 individuals per species) were used to construct the array. A set of flanking and probe oligonucleotides was developed and tested. The accuracy of the SNP assay was validated by genotyping 448 putatively “pure” individuals from 14 species of Populus . Overall, the SNP assay had a high success rate (97.6 %) and will prove useful for the identification of all Aigeiros Duby and Tacamahaca Spach. species and their early-generation hybrids within natural populations and breeding programs. Null alleles and intraspecific polymorphisms were detected for a few locus/species combinations in the Aigeiros and Tacamahaca sections. When we attempted to genotype aspens of the section Populus ( Populus alba L., Populus grandidentata Michx., Populus tremula L., and Populus tremuloides Michx.), the success rate of the SNP array decreased by 13 %, demonstrating moderate cross-sectional transferability.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».