Putative Quantitative Trait Loci Associated with Calcium Content in Soybean Seed
Notice bibliographique
Résumé
Seed calcium content is an important quality attribute of specialty soybean [Glycine max (L.) Merr.] for soyfoods. However, analyzing seed for calcium content is time consuming and labor intensive. Knowing quantitative trait loci (QTL) for seed calcium will facilitate the development of elite cultivars with proper calcium content through marker-assisted selection (MAS). The objective of this study was to identify major QTL associated with calcium content in soybean seed. Calcium content was tested in 178 F(2:3) and 157 F(2:4) lines derived from the cross of SS-516 (low calcium) x Camp (high calcium). The F(2:3) lines were genotyped with 148 simple sequence repeat markers in a previous study on seed hardness, and the genotypic data were used in the QTL analysis of the current study. Four QTL designated as Ca1, Ca2, Ca3, and Ca4 on linkage groups (LGs) A2, I, and M were identified by both single-marker analysis and composite-interval mapping, and the QTL accounted for 10.7%, 16.3%, 14.9%, and 9.7% of calcium content variation, respectively. In addition, multiple-interval mapping analysis revealed a significant dominant-by-dominant interaction effect between Ca1 and Ca3, which accounted for 4.3% calcium content variation. These QTL will facilitate the implementation of MAS for calcium content in soybean-breeding programs.
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 ».