Development and Transferability of Black and Red Raspberry Microsatellite Markers from Short-Read Sequences
Notice bibliographique
Résumé
The advent of next-generation, or massively parallel sequencing technologies has been a boon to the cost-effective development of molecular markers, particularly in nonmodel species. Here, we demonstrate the efficiency of microsatellite or simple sequence repeat (SSR) marker development from short-read sequences in black and red raspberry ( Rubus occidentalis L. and R. idaeus L., respectively), compare transferability of markers across species, and test whether the rate of polymorphism in the recovered markers can be improved upon by how marker sequences are chosen. From 28,536,412 black raspberry reads and 27,430,159 reads in red raspberry, we identified more than 6000 SSR sequences in each species and selected 288 of these (144 from each species), for testing in black and red raspberry. A total of 166 SSR primer pairs were identified with informative polymorphism in one or both species. SSRs selected based on different percentages (90% to 97% as compared with ≥98%) of read cluster similarity did not differ in polymorphism rates from each other or from those originating from singletons. Efficiency of polymorphic SSR recovery was nearly twice as high in black raspberry from black raspberry-derived sequences as from red raspberry-derived sequences, while efficiency of polymorphic SSR recovery in red raspberry was unaffected by the source of the primer sequences. Development of SSR markers that are transferable between red and black raspberry for marker-assisted selection, evaluation of genome collinearity and to facilitate comparative studies in Rubus L. will be more efficient using SSR markers developed from black raspberry sequences.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».