Identification of salt-tolerant QTLs with strong genetic background effect using two sets of reciprocal introgression lines in rice
Notice bibliographique
Résumé
Effect of genetic background on detection of quantitative trait locus (QTL) governing salinity tolerance (ST) was studied using two sets of reciprocal introgression lines (ILs) derived from a cross between a moderately salinity tolerant japonica variety, Xiushui09 from China, and a drought tolerant but salinity susceptible indica breeding line, IR2061-520-6-9 from the Philippines. Salt toxicity symptoms (SST) on leaves, days to seedling survival (DSS), and sodium and potassium uptake by shoots were measured under salinity stress of 140 mmol/L of NaCl. A total of 47 QTLs, including 26 main-effect QTLs (M-QTLs) and 21 epistatic QTLs (E-QTLs), were identified from the two sets of reciprocal ILs. Among the 26 M-QTLs, only four (15.4%) were shared in the reciprocal backgrounds while no shared E-QTLs were detected, indicating that ST QTLs, especially E-QTLs, were very specific to the genetic background. Further, 78.6% of the M-QTLs for SST and DSS identified in the reciprocal ILs were also detected in the recombinant inbred lines (RILs) from the same cross, which clearly brings out the background effect on ST QTL detection and its utilization in ST breeding. The detection of ILs with various levels of pyramiding of nonallelic M-QTL alleles for ST from Xiushui09 into IR2061-520-6-9 allowed us to further improve the ST in rice.
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 | 0,000 |
| 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 ».