Development of microsatellite markers for common bean (<i>Phaseolus vulgaris</i>L.) based on screening of non-enriched, small-insert genomic libraries
Notice bibliographique
Résumé
Microsatellite markers are useful genetic tools for a wide array of genomic analyses although their development is time-consuming and requires the identification of simple sequence repeats (SSRs) from genomic sequences. Screening of non-enriched, small-insert libraries is an effective method of SSR isolation that can give an unbiased picture of motif frequency. Here we adapt high-throughput protocols for the screening of plasmid-based libraries using robotic colony picking and filter preparation. Seven non-enriched genomic libraries from common bean genomic DNA were made by digestion with four frequently cutting restriction enzymes, double digestion with a frequently cutting restriction enzyme and a less frequently cutting restriction enzyme, or sonication. Library quality was compared and three of the small-insert libraries were selected for further analysis. Each library was plated and picked into 384-well plates that were used to create high-density filter arrays of over 18 000 clones each, which were screened with oligonucleotide probes for various SSR motifs. Positive clones were found to have low redundancy. One hundred SSR markers were developed and 80 were tested for polymorphism in a standard parental survey. These microsatellite markers derived from non-SSR-enriched libraries should be useful additions to previous markers developed from enriched libraries.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».