Genetic Analysis and Mapping of QTLs for Soybean Biological Nitrogen Fixation Traits Under Varied Field Conditions
Notice bibliographique
Résumé
Soybean is an important economic and green manure crop that is widely used in intercropping and rotation systems due to its high biological nitrogen fixation (BNF) capacity and the resulting reduction in N fertilization. However, the genetic mechanisms underlying soybean BNF are largely unknown. Here, two soybean parent genotypes contrasting in BNF traits and 168 F9:11 recombinant inbred lines (RILs) were evaluated under four conditions in the field. The parent FC1 always produced more big nodules, yet fewer nodules in total than the parent FC2 in the field. Furthermore, nodulation in FC1 was more responsive to environmental changes than that in FC2. Broad-sense heritability (h2b) for all BNF traits varied from 0.48 to 0.87, which suggests that variation in the observed BNF traits was primarily determined by genotype. Moreover, two new QTLs for BNF traits, qBNF-16 and qBNF-17, were identified in this study. The qBNF-16 locus was detected under all of the four tested conditions, where it explained 15.9%-59.0% of phenotypic variation with LOD values of 6.31-32.5. Meanwhile qBNF-17 explained 12.6-18.6% of observed variation with LOD values of 4.93-7.51. Genotype group analysis indicated that the FC1 genotype of qBNF-16 primarily affected nodule size (NS), while the FC2 genotype of qBNF-16 promoted nodule number (NN). On the other hand, the FC1 genotype of qBNF-17 influenced NN and the FC2 genotype of qBNF-17 impacted NS. The results on the whole suggest that these two QTLs might be valuable markers for breeding elite soybean varieties with high BNF capacities.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 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 ».