[Mapping of QTLs controlling Pb(2+) content in maize kernels under Pb(2+)stress].
Notice bibliographique
Résumé
Lead (Pb(2+)) is one of the most abundant heavy-metal elements in the environment. Pb(2+) pollution has become increasingly serious in maize planting areas, especially in the southwest of China, which even threatens food security. In the present study, a RILpopulation derived from 178 (an inbred line with low accumulation of Pb(2+) in the kernels) and 9782 (a Pb(2+)-hyperaccumulator in the kernels) was used for QTL mapping. A molecular genetic map with the length of 1499.85 cM and an average inter-marker distance of 9.07 cM was constructed with 165 pairs of SSR markers. QTLs controlling Pb(2+) content in maize kernels were then analyzed to provide the basis for breeding elite maize varieties with low Pb(2+)in the kernels. Two QTLs, qPC1 and qPC4, related to Pb(2+) content in maize kernels were identified on chromosome 1 and 4, respectively. qPC1 was located between markers umc1661 and phi002, accounting for 11.13% of phenotypic variance with an additive effect value of 0.062. While qPC4 was located between markers umc1117 and nc005, explaining 5.55% of the phenotypic variance with an additive effect value of -0.044. However, there was no significant correlation observed between Pb(2+) content in the kernels and any of yield-related traits including ear length, ear diameter, kernel row number and weight of per-hundred kernels, indicating that yield-related traits would not be changed in the process of low-Pb(2+)maize breeding. This suggested that the Pb(2+)content in maize kernel under Pb(2+)stress was an independent genetic trait.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».