Polymorphism of PCR-based markers targeting exons, introns, promoter regions, and SSRs in maize and introns and repeat sequences in oat
Notice bibliographique
Résumé
Sequence databases could be efficiently exploited for development of DNA markers if it were known which gene regions reveal the most polymorphism when amplified by PCR. We developed PCR primer pairs that target specific regions of previously sequenced genes from Avena and Zea species. Primers were targeted to amplify 40 introns, 24 exons, and 23 promoter regions within 54 maize genes. We surveyed 48 maize inbred lines (previously assayed for simple-sequence repeat (SSR) polymorphism) for amplification-product polymorphism. We also developed primers to target 14 SSRs and 12 introns within 18 Avena genes, and surveyed 22 hexaploid oat cultivars and 2 diploid Avena species for amplification-product polymorphism. In maize, 67% of promoter markers, 58% of intron markers, and 13% of exon markers exhibited amplification-product polymorphisms. Among polymorphic primer pairs in maize, genotype diversity was highest for SSR markers (0.60) followed by intron markers (0.46), exon markers (0.42), and promoter markers (0.28). Among all Avena genotypes, 64% of SSR markers and 58% of intron markers revealed polymorphisms, but among the cultivars only, 21% of SSR markers and 50% of intron markers were polymorphic. Polymorphic-sequence-tagged sites for plant-breeding applications can be created easily by targeting noncoding gene regions.
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 ».