MétaCan
Menu
Retour à la cohorte
Enregistrement W2469265112 · doi:10.1139/gen-2016-0075

Genetic diversity and association analysis of leafminer (<i>Liriomyza langei</i>) resistance in spinach (<i>Spinacia oleracea</i>)

2016· article· en· W2469265112 sur OpenAlexvenueno aff
Ainong Shi, Beiquan Mou

Notice bibliographique

RevueGenome · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetic and Environmental Crop Studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Food and AgricultureU.S. Department of Agriculture
Mots-clésSpinachGermplasmBiologyPEST analysisAgromyzidaeSpinaciaGenotypingSingle-nucleotide polymorphismHorticultureGeneticsBotanyGenotypeGeneEcology

Résumé

récupéré en direct d'OpenAlex

Leafminer (Liriomyza langei) is a major insect pest of many important agricultural crops, including spinach (Spinacia oleracea). Use of genetic resistance is an efficient, economic, and environment-friendly method to control this pest. The objective of this research was to conduct association analysis and identify single nucleotide polymorphism (SNP) markers associated with leafminer resistance in spinach germplasm. A total of 300 USDA spinach germplasm accessions were used for the association analysis of leafminer resistance. Genotyping by sequencing (GBS) was used for genotyping and 783 SNPs from GBS were used for association analysis. The leafminer resistance showed a near normal distribution with a wide range from 1.1 to 11.7 stings per square centimeter leaf area, suggesting that the leafminer resistance in spinach is a complex trait controlled by multiple genes with minor effect in this spinach panel. Association analysis indicated that five SNP markers, AYZV02040968_7171, AYZV02076752_412, AYZV02098618_4615, AYZV02147304_383, and AYZV02271373_398, were associated with the leafminer resistance with LOD 2.5 or higher. The SNP markers may be useful for breeders to select plants and lines for leafminer resistance in spinach breeding programs through marker-assisted selection.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,114
Score d'incertitude au seuil0,251

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,179
Écart entre enseignants0,168 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGenomeMême sujetGenetic and Environmental Crop StudiesTravaux en français237 207