Methodology: ssb-MASS: a single seed-based sampling strategy for marker-assisted selection in rice
Notice bibliographique
Résumé
BACKGROUND: Integrated breeding approaches such as combining marker-assisted selection and rapid line fixation through single-seed-descent, can effectively increase the frequency of desirable alleles in a breeding program and increase the rate of genetic gain for quantitative traits by shortening the breeding cycle. However, with most genotyping being outsourced to 3rd party service providers' nowadays, sampling has become the bottleneck for many breeding programs. While seed-chipping as prevailed as an automatable seed sampling protocol in many species, the symmetry of rice seeds makes this solution as laborious and costly as sampling leaf tissue. The aim of this study is to develop, validate and deploy a single seed sampling strategy for marker-assisted selection of fixed lines in rice that is more efficient, cost-effective and convenient compared to leaf-based sampling protocols without compromising the accuracy of the marker-assisted selection results. RESULTS: ) with different physical and/or chemical properties were not significantly different. Nor were there significant differences between single seeds collected 15 days after panicle initiation compared to those harvested at maturity. A large-scale comparison between single seed and leaf-based methodologies showed not only high levels of genotypic concordance between both protocols (~ 99%) but also higher SNP call rates in single seed (99.24% vs. 97.5% in leaf). A cost-benefit analysis showed that this single seed sampling strategy decreased the cost of sampling fourfold. An advantage of this approach is that desirable genotypes can be selected before investing in planting activities reducing the cost associated with field operations. CONCLUSION: This study reports the development of a cost-effective and simple single seed genotyping strategy that facilitates the adoption and deployment of marker-assisted selection strategies in rice. This will allow breeders to increase the frequency of favorable alleles and combine rapid generation advancement techniques much more cost-effectively accelerating the process and efficiency of parental selection and varietal development.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,005 |
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 ».