Detection of main-effect and epistatic QTL for yield-related traits in rice under drought stress and normal conditions
Notice bibliographique
Résumé
Xing, W., Zhao, H. and Zou, D. 2014. Detection of main-effect and epistatic QTL for yield-related traits in rice under drought stress and normal conditions. Can. J. Plant Sci. 94: 633–641. Drought-resistant cultivars play an important role in maintaining high and stable crop yields under drought-stress conditions. However, the genetic mechanism of drought resistance must first be elucidated. Therefore, 220 recombinant inbred lines from a cross between Xiaobaijingzi (upland rice) and Kongyu 131 (Oryza sativa L.) were used to identify quantitative trait loci (QTLs) for yield and yield-component traits under drought stress and control conditions in Heilongjiang and Tieli. As a result, 23 main-effect QTLs and 11 digenic interactions were detected for four traits under the above two conditions. Of the main-effect QTLs, 10 and 8 were detected under control and drought-stress conditions, respectively; and five common QTLs were observed. In addition, five QTLs were found to be responsible for the difference across the two conditions. Among all epistatic QTLs, three types of epistatic QTLs were observed: one was between two main-effect QTLs, such as qPH-3-1 and qPH-7-2; one was between one locus with and another without main-effect, e.g., qPN-4 and qPN-3-2; and one was between two loci without main-effect, e.g., qYP-6-1 and qYP-12-2. In the above epistatic examples, their recombinant genotypes tended to reduce plant height and the number of grains per panicle and increase yield, respectively. Our results provide a good foundation for designed molecular breeding of drought-resistant 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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 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 ».