Genetic relationships among fruiting-mei (Prunus mume Sieb. et Zucc.) cultivars evaluated with AFLP and SNP markers
Notice bibliographique
Résumé
Genetic relationships among 50 fruiting-mei (Prunus mume Sieb. et Zucc.) cultivars from China and Japan were investigated, using 767 amplified fragment length polymorphism (AFLP) and 103 single nucleotide polymorphism (SNP) markers. The polymorphism among the cultivars was found to be 69.77%, based on EcoR I + Mse I AFLP primer pairs. The sequence alignment of 11 group sequences, derived from 50 samples, yielded 103 SNPs; the total length of genomic sequences was 3683 bp. Among these SNPs, 73 were heterozygous in the loci of different cultivars. The SNP distribution was 58% transition, 40% transversion, and 2% InDels. There was also 1 trinucleotide deletion. AFLP and SNP markers allowed us to evaluate the genetic diversity of these 50 fruiting-mei cultivars. The 2 derived cladograms did display some differences: all cultivars formed 2 subclusters (1A and 1B) in the cladogram based on AFLP polymorphisms, and formed 3 subclusters (2A, 2B, and 2C) in the cladogram based on SNP polymorphisms; and, in the cladogram based on AFLP polymorphisms, most cultivars from the Guangdong to Fujian provinces (G-F) in China, from the Yunnan, Hunan, and Sichuan provinces (Y-S-H) in China, and from Japan grouped in cluster 1A, and 18 (78.26%) of 23 cultivars from Jiangsu to Zhejiang provinces in China (J-Z) grouped in cluster 1B. The results demonstrate that mei cultivars from Japan are clustered with cultivars from China, and support the hypothesis that mei in Japan were introduced from China. Cultivars from the J-Z region of China have more genetic similarities. Cultivars from the G-F and Y-S-H regions have fewer genetic similarities and suggest more germplasm exchanges in the past.
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 | 0,001 | 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 ».