MétaCan
Menu
Retour à la cohorte
Enregistrement W2911027279 · doi:10.1139/cjps-2018-0211

Validation of SNP markers associated with ascochyta blight resistance in pea

2019· article· en· W2911027279 sur OpenAlexafffundvenueabout
Ambuj Bhushan Jha, Krishna Kishore Gali, Sabine Banniza, Thomas D. Warkentin

Notice bibliographique

RevueCanadian Journal of Plant Science · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetic and Environmental Crop Studies
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesSaskatchewan Pulse GrowersWestern Grains Research FoundationMinistry of Agriculture - Saskatchewan
Mots-clésAscochytaBlightBiologySingle-nucleotide polymorphismSNPCultivarPlant disease resistanceAgronomyGeneticsGenotypeGene

Résumé

récupéré en direct d'OpenAlex

Ascochyta blight of pea is an important disease that can cause severe yield loss. Our previous studies identified several closely linked single nucleotide polymorphism (SNP) markers associated with ascochyta blight resistance. The objective of this study was to validate SNP markers in 36 cultivars from the Saskatchewan pea regional variety trial. Ascochyta blight scores ranged from 1.0 to 9.0 at the physiological maturity stage under field conditions across the 25 site–years in Saskatchewan from 2013 to 2017. Based on Kompetitive Allele-Specific PCR assays, six SNP markers were used for an association study. SNP markers RGA-G3Ap103, PsC8780p118, and PsC22609p103 were significantly (P < 0.05) associated with ascochyta blight scores in 2013 and 2016 at Saskatoon. PsC8780p118 was significantly associated with ascochyta blight scores at Milden in 2014 and Rosthern in 2017. Furthermore, RGA-G3Ap103 showed significant association at Milden in 2014. Based on association studies, RGA-G3Ap103 and PsC8780p118 may have some potential as markers for pea breeding.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,011
Tête enseignante GPT0,166
Écart entre enseignants0,155 · 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'étudeExpérimental (laboratoire)
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

Citations16
Publié2019
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Plant ScienceMême sujetGenetic and Environmental Crop StudiesTravaux en français237 207