MétaCan
Menu
← Retour à la cohorte
Enregistrement W3006036265 · doi:10.1139/gen-2019-0160

Construction of three half-sib SSR linkage maps derived from overwintering cultivated rice and segregation distortion loci mapping

2020· article· en· W3006036265 sur OpenAlexvenueno aff
Yongshu Liang, Chao Yan, Xiaojian Qin, Wenbin Nan, Hanma Zhang

Notice bibliographique

RevueGenome · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Mapping and Diversity in Plants and Animals
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiologyLinkage (software)Genetic linkageQuantitative trait locusGeneticsJaponicaOverwinteringBotanyGene

Résumé

récupéré en direct d'OpenAlex

Segregation distortion is a common phenomenon that has been observed in genetics and plant breeding; however, the mechanism of segregation distortion is unknown. In the present study, three half-sib F2 populations derived from three japonica overwinter (perennial) rice varieties (W1, W2, and W3) crossed to the indica rice variety Minghui725 (MH725) were developed to construct three half-sib linkage maps. We established linkage map lengths of 2032.8, 2317.4, and 2108.7 cM with average intervals of 20.1, 20.5, and 19.7 cM using 101, 113, and 107 SSR markers in W1/MH725, W2/MH725, and W3/MH725, respectively. Discrepancies in marker order and genetic linkage distance occurred in the three half-sib linkage maps due to segregation distortion. A total of 88 markers exhibited segregation distortion across the three linkage maps at P < 0.01 level, 42 segregation distortion loci (SDLs) were detected across the three half-sib populations and exhibited variable LOD value that ranged from 3.2 (SDL2f) to 30.1 (SDL5d), and 13 of the 42 SDLs were repeatedly located at the same chromosomal regions of the previously published hybrid sterility quantitative trait loci. Data from this study provide an extensive archive for investigating the genetic characteristic of overwintering cultivated rice and the future exploration and innovation of overwintering rice 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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,018
Tête enseignante GPT0,197
Écart entre enseignants0,179 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGenome→Même sujetGenetic Mapping and Diversity in Plants and Animals→Travaux en français237 207→