Exome QTL-seq maps monogenic locus and QTLs in barley
Notice bibliographique
Résumé
BACKGROUND: QTL-seq, in combination with bulked segregant analysis and next-generation sequencing (NGS), is used to identify loci in small plant genomes, but is technically challenging to perform in species with large genomes, such as barley. A combination of exome sequencing and QTL-seq (exome QTL-seq) was used to map the mono-factorial Mendelian locus black lemma and pericarp (Blp) and QTLs for resistance to net blotch disease, a common disease of barley caused by the fungus Pyrenophora teres, which segregated in a population of 100 doubled haploid barley lines. METHODS: The provisional exome sequences were prepared by ordering the loci of expressed genes based on the genome information and concatenating genes with intervals of 200-bp spacer "N" for each chromosome. The QTL-seq pipeline was used to analyze short reads from the exome-captured library. RESULTS: In this study, short NGS reads of bulked total DNA samples from segregants with extreme trait values were subjected to exome capture, and the resulting exome sequences were aligned to the reference genome. SNP allele frequencies were compared to identify the locations of genes/QTLs responsible for the trait value differences between lines. For both objective traits examined, exome QTL-seq identified the monogenic Mendelian locus and associated QTLs. These findings were validated using conventional mapping approaches. CONCLUSIONS: Exome QTL-seq broadens the utility of NGS-based gene/QTL mapping in organisms with large genomes.
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 ».