Exploring the potential and limitations of genotyping-by-sequencing for SNP discovery and genotyping in tetraploid potato
Notice bibliographique
Résumé
Genotyping-by-sequencing (GBS) potentially offers a cost-effective alternative for SNP discovery and genotyping. Here, we report the exploration of GBS in tetraploid potato. Both ApeKI and PstI/MspI enzymes were used for library preparation on eight diverse potato genotypes. ApeKI yielded more markers than PstI/MspI but provided a lower read coverage per marker, resulting in more missing data and limiting effective genotyping to the tetraploid mode. We then assessed the accuracy of these SNPs by comparison with SolCAP data (5824 data points in diploid mode and 3243 data points in tetraploid mode) and found the match rates between genotype calls was 90.4% and 81.3%, respectively. Imputation of missing data did not prove very accurate because of incomplete haplotype discovery, suggesting caution in setting the allowance for missing data. To further assess the quality of GBS-derived data, a genome-wide association analysis was performed for flower color on 318 clones (with ApeKI). A strong association signal on chromosome 2 was obtained with the most significant SNP located in the middle of the dihydroflavonol 4-reductase (DFR) gene. We conclude that an appropriate choice of enzyme for GBS library preparation makes it possible to obtain high-quality SNPs in potato and will be helpful for marker-assisted genomics.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».