A Unified Single Nucleotide Polymorphism Map of Sunflower (<i>Helianthus annuus</i> L.) Derived from Current Genomic Resources
Notice bibliographique
Résumé
ABSTRACT Dense genetic maps are critical tools for plant breeders and geneticists. While many maps have been developed for sunflower in the last few decades, most have been based on low‐throughput technologies and include marker numbers in the hundreds. However, two maps with reasonably dense coverage of about 5000 and 9000 single nucleotide polymorphism (SNP) loci each have recently been produced using high‐throughput genotyping methods. Unfortunately, no mapping population is common between the two maps, making the development of a joint map a challenge. With genome sequencing and resequencing of mapping populations currently in progress, there will be opportunities in the near future to develop much more informative resources. In the meantime, there is much demand from the sunflower community, particularly plant breeders, to combine these two maps to develop a denser map for immediate needs. In this paper, we used an in silico approach to join the two SNP maps by placing our existing marker sequences on draft genome scaffolds. Genetic map positions of the markers were determined from a resequenced mapping population aligned to the same draft genome scaffolds. In this way, we were able to directly place 10,247 SNP and insertion‐deletion (Indel) loci on a common linkage map, and also provide the ability to infer genetic position of a further 6724 SNP loci from both previously published maps. These results will allow researchers to compare previous genetics research conducted on the separate maps, and facilitate collaborative work on marker‐assisted breeding approaches in sunflower.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».