Quantitative Trait Locus Analysis of Late Leaf Spot Resistance and Plant-Type-Related Traits in Cultivated Peanut (Arachis hypogaea L.) under Multi-Environments
Notice bibliographique
Résumé
Late leaf spot (LLS) is one of the most serious foliar diseases affecting peanut worldwide leading to huge yield loss. To understand the genetic basis of LLS and assist breeding in the future, we conducted quantitative trait locus (QTL) analysis for LLS and three plant-type-related traits including height of main stem (HMS), length of the longest branch (LLB) and total number of branches (TNB). Significant negative correlations were observed between LLS and the plant-type-related traits in multi-environments of a RIL population from the cross Zhonghua 5 and ICGV 86699. A total of 20 QTLs were identified for LLS, of which two QTLs were identified in multi-environments and six QTLs with phenotypic variation explained (PVE) more than 10%. Ten, seven, fifteen QTLs were identified for HMS, LLB and TNB, respectively. Of these, one, one, two consensus QTLs and three, two, three major QTLs were detected for HMS, LLB and TNB, respectively. Of all 52 unconditional QTLs for LLS and plant-type-related traits, 10 QTLs were clustered in five genetic regions, of which three clusters including five robust major QTLs overlapped between LLS and one of the plant-type-related traits, providing evidence that the correlation could be genetically constrained. On the other hand, conditional mapping revealed different numbers and different extent of additive effects of QTLs for LLS conditioned on three plant-type-related traits (HMS, LLB and TNB), which improved our understanding of interrelationship between LLS and plant-type-related traits at the QTL level. Furthermore, two QTLs, qLLSB6-7 and qLLSB1 for LLS resistance, were identified residing in two clusters of NB-LRR-encoding genes. This study not only provided new favorable QTLs for fine-mapping, but also suggested that the relationship between LLS and plant-type-related traits of HMS, LLB and TNB should be considered while breeding for improved LLS resistance in peanut.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».