Assessing the remarkable morphological diversity and transcriptomic basis of leaf shape in <i>Ipomoea batatas</i> (sweetpotato)
Notice bibliographique
Résumé
Abstract Leaf shape, a spectacularly diverse plant trait, varies across taxonomic levels, geography, and in response to environmental differences. However, comprehensive intraspecific analyses of leaf shape variation across variable environments is surprisingly absent. Here, we perform a multi-level analysis of leaf shape using diverse accessions of sweetpotato ( Ipomoea batatas ), and uncover the role of genetics, environment, and GxE on this important trait. We examine leaf shape using a variety of morphometric analyses, and complement this with a transcriptomic survey to identify gene expression changes associated with shape variation. Additionally, we examine the role of genetics and environment on leaf shape by performing field studies in two geographically separate common gardens. We show that extensive leaf shape variation exists within I. batatas , and identify promising candidate genes underlying this variation. Interestingly, when considering traditional measures, we find that genetic factors are largely responsible for most of leaf shape variation, but that the environment is highly influential when using more quantitative measures via leaf outlines. This extensive and multi-level examination of leaf shape shows an important role of genetics underlying a potentially important agronomic trait, and highlights that the environment can be a strong influence when using more quantitative measures of leaf shape.
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) | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».