Multi-environment QTL studies suggest a role for cysteine-rich protein kinase genes in quantitative resistance to blackleg disease in Brassica napus
Notice bibliographique
Résumé
BACKGROUND: Resistance to the blackleg disease of Brassica napus (canola/oilseed rape), caused by the hemibiotrophic fungal pathogen Leptosphaeria maculans, is determined by both race-specific resistance (R) genes and quantitative resistance loci (QTL), or adult-plant resistance (APR). While the introgression of R genes into breeding material is relatively simple, QTL are often detected sporadically, making them harder to capture in breeding programs. For the effective deployment of APR in crop varieties, resistance QTL need to have a reliable influence on phenotype in multiple environments and be well defined genetically to enable marker-assisted selection (MAS). RESULTS: Doubled-haploid populations produced from the susceptible B. napus variety Topas and APR varieties AG-Castle and AV-Sapphire were analysed for resistance to blackleg in two locations over 3 and 4 years, respectively. Three stable QTL were detected in each population, with two loci appearing to be common to both APR varieties. Physical delineation of three QTL regions was sufficient to identify candidate defense-related genes, including a cluster of cysteine-rich receptor-like kinases contained within a 49 gene QTL interval on chromosome A01. Individual L. maculans isolates were used to define the physical intervals for the race-specific R genes Rlm3 and Rlm4 and to identify QTL common to both field studies and the cotyledon resistance response. CONCLUSION: Through multi-environment QTL analysis we have identified and delineated four significant and stable QTL suitable for MAS of quantitative blackleg resistance in B. napus, and identified candidate genes which potentially play a role in quantitative defense responses to L. maculans.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».