Marker–Trait Association Analysis of Iron and Zinc Concentration in Lentil ( <i>Lens culinaris</i> Medik.) Seeds
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Lentil ( Medik.) seeds are relatively rich in iron (Fe) and zinc (Zn), making lentil a potential crop to aid in the global battle against human micronutrient deficiency. Understanding the genetic basis for uptake of seed Fe and Zn is required to increase sustainable concentrations of these minerals in seeds. The objectives of this study were to characterize genetic variation in seed Fe and Zn concentration and to identify molecular markers associated with these traits across diverse lentil accessions. A set of 138 cultivated lentil accessions from 34 countries were evaluated in four environments (2 sites × 2 yr) in Saskatchewan, Canada. The collection was genotyped using 1150 single-nucleotide polymorphism (SNP) markers that are distributed across the lentil genome. The germplasm tested exhibited a wide range of variation for seed Fe and Zn concentration. The marker-trait association analysis detected two SNP markers tightly linked to seed Fe and one linked to seed Zn concentration (-log10 ≥ 4.36). Additional markers were detected at -log10 ≥ 3.06. A number of putative candidate genes underlying detected loci encode Fe- and Zn-related functions. This study provides insight into the genetics of seed Fe and Zn concentration of lentil and opportunities for marker-assisted selection to improve micronutrient concentration as part of micronutrient biofortification programs.
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.
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 découle