Preventing Favism by Selecting Faba Bean Mutants Using Molecular Markers
Notice bibliographique
Résumé
Faba bean (Vicia faba) is an ancient legume species known for its high protein content. The usage and consumption of the faba bean is limited by a glycoside, vicine-convicine (VC). Consumption of VC causes haemolytic anemia in individuals with the genetic condition called favism. Faba beans with low VC concentration are opening the possibility of reduction of favism disease, but there are many challenges in analyzing VC concentration. The objective of this study was to develop expressed sequence tag (EST) markers that can differentiate between low VC content (LVC) and high VC content (HVC) faba bean genotypes. Three single nucleotide polymorphisms (SNPs) were discovered that distinguished between LVC and HVC genotypes. The SNPs were validated using Kompetitive Allele Specific PCR (KASP) and mass spectrometry phenotyping. Molecular marker SNP 316 (Intron of Medtr2g009270 at 1,851,012 bp) was the most successful marker in differentiating between LVC, HVC, and heterozygous faba bean genotypes. This marker has applications in seed selection and acceleration of breeding programs, which is the first step towards allowing all consumers concerned with the effects of favism to enjoy the nutritional value of faba bean.
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 | 0,002 | 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 ».