Genetic Analysis of Tetraploid F1 Populations Using SNP Markers
Notice bibliographique
Résumé
Many ornamentals are polyploid. Genetic analysis using molecular markers is well established for diploid crops but until recently the tools for mapping and QTL analysis in tetraploids were not readily available. However, this is rapidly changing: next-generation sequencing enables the identification of large numbers of SNPs; array hybridisation generates large SNP marker data sets; and software for dosage scoring (fitTetra, Voorrips et al.,BMC Bioinform 12:172, 2011) allows efficient assignment of the tetraploid SNP genotypes of individuals. We are generating a SNP data set for two F1 populations of rose and performing dosage scoring of the SNPs. Using the tetraploid dosage scores we will develop linkage maps, and subsequently work on QTL mapping of traits including frost tolerance for garden roses and flower colour, production traits and powdery mildew resistance for cut roses. In preparation for this work we developed software (PedigreeSim, Voorrips and Maliepaard,BMC Bioinform 13:248, 2012) for simulating marker data in a tetraploid crop, which models both bivalent and quadrivalent formation during meiosis and therefore also simulates double reduction (the situation where a gamete receives two copies of the same chromosome segment, which is only possible in polyploids). We present here the tetraploid meiosis and simulation process and the approach we developed for linkage mapping.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».