Comparing Single‐SNP, Multi‐SNP, and Haplotype‐Based Approaches in Association Studies for Major Traits in Barley
Notice bibliographique
Résumé
Core Ideas The multiple single nucleotide polymorphism (multi‐SNP) and haplotype‐based approaches that jointly consider multiple markers unveiled a larger number of associations, some of which were shared with the single‐SNP approach. A larger overlap of quantitative trait loci (QTLs) between the single‐SNP and haplotype‐based approaches was obtained than with the multi‐SNP approach. Despite a limited overlap between the QTLs detected by these approaches, each uncovered QTLs reported previously, suggesting that each approach is capable of uncovering a different subset of QTLs. We demonstrated the efficiency of an integrated genome‐wide association study (GWAS) procedure, combining single‐locus and multilocus approaches to improve the capacity and reliability of association analysis to detect key QTLs. The efficiency of barley breeding programs may be improved by the practical use of QTLs identified in this study. Genome‐wide association studies (GWAS) have been widely used to identify quantitative trait loci (QTLs) underlying complex agronomic traits. The conventional GWAS model is based on a single‐locus model, which may prove inaccurate if a trait is controlled by multiple loci, which is the case for most agronomic traits in barley ( Hordeum vulgare L.). Additionally, an individual single nucleotide polymorphism (SNP) will prove incapable of capturing underlying allelic diversity. A multilocus model could potentially represent a better alternative for QTL identification. This study aimed to explore different GWAS approaches (single‐SNP, multi‐SNP, and haplotype‐based) to establish SNP–trait associations and to potentially describe the complex genetic architecture of seven key traits in spring barley. The multi‐SNP and haplotype‐based approaches unveiled a larger number of significant associations, some of which were shared with the single‐SNP approach. Globally, the multi‐SNP approach explained more of the phenotypic variance (cumulative R 2 ) and provided the best fit with the genetic model [Bayesian information criterion (BIC)]. Compared with the multi‐SNP approach, the single‐SNP and haplotype‐based approaches were relatively similar in terms of cumulative R 2 and BIC, with an improvement with the haplotype‐based approach. Despite limited overlap between detected QTLs, each approach discovered QTLs that had been validated previously, suggesting that each approach can uncover a different subset of QTLs. An integrated GWAS procedure, considering single‐locus and multilocus GWAS approaches jointly, may improve the capacity of association studies to detect key QTLs and to provide a more complete picture of the genetic architecture of complex traits in barley.
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 | 0,019 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».