MétaCan
Menu
Retour à la cohorte
Enregistrement W2802961484 · doi:10.1007/s11032-018-0829-7

Discovery and validation of genomic regions associated with resistance to maize lethal necrosis in four biparental populations

2018· article· en· W2802961484 sur OpenAlexaff
Manje Gowda, Yoseph Beyene, Dan Makumbi, Kassa Semagn, Michael Olsen, Jumbo M. Bright, Biswanath Das, Stephen Mugo, L. M. Suresh, B. M. Prasanna

Notice bibliographique

RevueMolecular Breeding · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Mapping and Diversity in Plants and Animals
Établissements canadiensUniversity of Alberta
Organismes subventionnairesBill and Melinda Gates FoundationUnited States Agency for International Development
Mots-clésQuantitative trait locusBiologyGeneticsHeritabilityPopulationLinkage disequilibriumGenetic linkageAssociation mappingLinkage (software)Genetic architectureFamily-based QTL mappingGene mappingSingle-nucleotide polymorphismAlleleHaplotypeChromosomeGenotypeGeneDemography

Résumé

récupéré en direct d'OpenAlex

In sub-Saharan Africa, maize is the key determinant of food security for smallholder farmers. The sudden outbreak of maize lethal necrosis (MLN) disease is seriously threatening the maize production in the region. Understanding the genetic basis of MLN resistance is crucial. In this study, we used four biparental populations applied linkage mapping and joint linkage mapping approaches to identify and validate the MLN resistance-associated genomic regions. All populations were genotyped with low to high density markers and phenotyped in multiple environments against MLN under artificial inoculation. Phenotypic variation for MLN resistance was significant and heritability was moderate to high in all four populations for both early and late stages of disease infection. Linkage mapping revealed three major quantitative trait loci (QTL) on chromosomes 3, 6, and 9 that were consistently detected in at least two of the four populations. Phenotypic variance explained by a single QTL in each population ranged from 3.9% in population 1 to 43.8% in population 2. Joint linkage association mapping across three populations with three biometric models together revealed 16 and 10 main effect QTL for MLN-early and MLN-late, respectively. The QTL identified on chromosomes 3, 5, 6, and 9 were consistent with the QTL identified by linkage mapping. Ridge regression best linear unbiased prediction with five-fold cross-validation revealed high accuracy for prediction across populations for both MLN-early and MLN-late. Overall, the study discovered and validated the presence of major effect QTL on chromosomes 3, 6, and 9 which can be potential candidates for marker-assisted breeding to improve the MLN resistance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,241
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations42
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular BreedingMême sujetGenetic Mapping and Diversity in Plants and AnimalsTravaux en français237 207