<scp>QTL</scp> sequencing strategy to map genomic regions associated with resistance to ascochyta blight in chickpea
Notice bibliographique
Résumé
Whole-genome sequencing-based bulked segregant analysis (BSA) for mapping quantitative trait loci (QTL) provides an efficient alternative approach to conventional QTL analysis as it significantly reduces the scale and cost of analysis with comparable power to QTL detection using full mapping population. We tested the application of next-generation sequencing (NGS)-based BSA approach for mapping QTLs for ascochyta blight resistance in chickpea using two recombinant inbred line populations CPR-01 and CPR-02. Eleven QTLs in CPR-01 and six QTLs in CPR-02 populations were mapped on chromosomes Ca1, Ca2, Ca4, Ca6 and Ca7. The QTLs identified in CPR-01 using conventional biparental mapping approach were used to compare the efficiency of NGS-based BSA in detecting QTLs for ascochyta blight resistance. The QTLs on chromosomes Ca1, Ca4, Ca6 and Ca7 overlapped with the QTLs previously detected in CPR-01 using conventional QTL mapping method. The QTLs on chromosome Ca4 were detected in both populations and overlapped with the previously reported QTLs indicating conserved region for ascochyta blight resistance across different chickpea genotypes. Six candidate genes in the QTL regions identified using NGS-based BSA on chromosomes Ca2 and Ca4 were validated for their association with ascochyta blight resistance in the CPR-02 population. This study demonstrated the efficiency of NGS-based BSA as a rapid and cost-effective method to identify QTLs associated with ascochyta blight in chickpea.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».