Genome‐wide association study to identify single nucleotide polymorphisms associated with Fe, Zn, and Se concentration in field pea
Notice bibliographique
Résumé
Abstract Micronutrients are an important component of crop quality. With an objective of identification of trait‐associated single nucleotide polymorphism (SNP) markers, a genome‐wide association study (GWAS) panel of 135 diverse pea ( Pisum sativum L.) accessions previously genotyped was assessed for Fe, Zn, and Se concentrations from five location–years (2013 Saskatoon, 2014 Fargo, 2015 Saskatoon, 2016 Saskatoon, and 2016 Rosthern) using atomic absorption spectroscopy (AAS). Accessions differed significantly for Fe and Zn in all location–years but not for Se ( P ≤ .05). Year and location effects were significant for all three micronutrients. Mean concentration in the five location–years combined analysis was 50.70, 29.42, and 0.99, and the concentration (μg g −1 ) ranged from 29.22 to 90.53, 12.83 to 51.47, and 0.22 to 7.82 in the ground whole pea seeds for Fe, Zn, and Se, respectively. In general, pea grain yield was negatively correlated with Fe, Zn, and Se concentration. Of the 16,877 SNP markers used for association analysis, five each were identified for association with Fe and Zn concentrations. In silico validation identified that one Fe‐associated and four Zn‐associated markers were within the genomic regions of major quantitative trait loci (QTL) previously reported for these traits. Fe‐associated marker Chr5LG3_204123886 and Zn‐associated markers Chr5LG3_1921113554, Chr5LG3_197808492, and Sc4026_15361 identified in this study and validated using the previous GWAS and biparental mapping studies can be used for reliable marker‐assisted selection (MAS) in pea breeding programs.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».