Identification of QTL underlying soybean agglutinin content in soybean seeds and analysis for epistatic effects among multiple genetic backgrounds and environments
Notice bibliographique
Résumé
Soybean agglutinin (SBA), a major anti-nutritional factor in soybeans, seriously affects the safety of and effects on feed animals. Soybean varieties with lower SBA contents could play a positive role in the promotion of the fodder industry. In the present study, one male parent, Hefeng 45, was used in three recombinant I bred line (RIL) populations to detect quantitative trait loci (QTL) associated with SBA content across three different environments. As a result, a total of six, six, and four QTL related to SBA content were identified in the groups Hefeng 45 × Zhongdou 27 (HZ), Hefeng 45 × Dongnong 48 (HD), and Hefeng 45 × Taipingchuan Blacksoy (HT), respectively. Most of the QTL underlying SBA explained less than 10% of the phenotypic variation, but some major QTL with higher additive effects have stable expressions across different environments and RIL populations. On the contrary, many QTL dependent on the environment or RIL populations showed mainly weak effects, and gene × environment interaction occurred in the opposite direction to additive effects and (or) epistasis effects. Two (SbaHZC1-1 and SbaHZD1b-1, linked to Satt139 and Satt189, respectively) and one (SbaHDD1a-1, linked to Satt402) QTL for SBA were identified in HZ and HD populations, respectively, across three environments. Those QTL (Satt139 and Satt189) might have potential in the application of marker-assisted selection for low agglutinin content soybean.
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 | 0,001 | 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 ».