Detection of QTL underlying seed quality components in soybean [<i>Glycine max</i> (L.) Merr.]
Notice bibliographique
Résumé
Improving seed composition and quality, including protein, oil, fatty acid, and amino acid contents, is an important goal of soybean farmers and breeders. The aim of this study was to map the quantitative trait loci (QTL) underlying the contents of protein, oil, fatty acids, and amino acids with 1510 single nucleotide polymorphism (SNP) markers using the ‘Hamilton’ × ‘Spencer’ recombinant inbred line population (H × S; n = 93). A total of 13 QTL for the traits studied have been mapped on 3 chromosomes (Chr.) of the soybean genome. Three major QTL have been mapped to a 7–13 cM region on Chr. 6. One major QTL for oil content (qOIL001) explained approximately 76% of the total phenotypic variation in this population; the second major QTL for amino acid alanine (Ala; qALA001) explained approximately 74% of the total variation in Ala content; moreover, two major QTL for palmitic acid (qPAL001 and qPAL002) were identified on Chr. 6 and explained approximately 21% of the phenotypic variation in this population. The SNP markers flanking the QTL identified here will be very useful for soybean breeders to develop and select soybean lines with higher seed composition qualities using marker-assisted selection.
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 | 0,001 |
| 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 ».