Evaluation of genetic diversity and relatedness among apple cultivars using RAPD and SSR markers
Notice bibliographique
Résumé
Twenty phenotypically different apple cultivars from the collection of Department of Fruit Science, YS Parmar University of Horticulture and Forestry, Solan, India, were analysed using 28 RAPD and 5 SSR primers to establish their genetic diversity, relatedness and verify parentage. The primer study revealed higher level of genetic diversity among the cultivars. The level of polymorphism across twenty cultivars was 65.6% and 71.4% from RAPD and SSR markers respectively. Primers OPA-16(RAPD), IISRS-3 and IISRS-18(SSR) were more informative due to the highest Polymorphism Information Content (PIC) value. Three RAPD primers were able to distinguish the cultivars. RAPD and SSR revealed different genetic similarities among apple cultivars. The highest similarity was detected between ‘Fuji’ and ‘Fuji Rekaki’ (0.859) followed by ‘Thanedar early flowering’ and ‘Fuji’ by RAPD while between ‘Galaxy’ and ‘Jonadel’ (1.000) followed by ‘Neomi’ with ‘Arlet’, ‘Fuji’ and ‘Royal Gala’; ‘Fuji Rekaki’ with ‘Thanedar early flowering’ and ‘Reinette-Du-Canada’ by SSR. The dendrograms from RAPD and SSR data were generated using UPGMA method which revealed four and five clusters respectively and showed that most of the cultivars clustered in accordance with the recorded pedigree information and polymorphism found with SSR primers was higher as compared to RAPD.
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 | 0,000 |
| 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) | 0,000 | 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 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 ».