Linkage mapping and whole-genome predictions in canola (Brassica napus) subjected to differing temperature treatments
Notice bibliographique
Résumé
Canola (Brassica napus L.) is grown on >8 Mha in Canada and is sensitive to high temperatures; therefore, research on breeding methodologies to improve heat-stress tolerance is warranted. This study utilised a doubled-haploid population created from two parents (PB36 and PB56) that differed in their ability to set seed following growth at high temperatures. The experiment was designed to identify potential quantitative trait loci (QTLs) responsible for conferring tolerance to increased temperatures, and to utilise this population as a test case for evaluating the prospects of whole-genome prediction. The population was phenotyped in a split-plot, randomised complete block experimental design at three locations with two planting-date treatments. The first planting date was during the normal planting period (control), and the second planting was timed to experience increased average temperatures (1.7°C, 2.0°C and 1.2°C) and increased number of days with maximum temperatures above the critical temperature of 29.5°C (4, 12 and 3 days). The stress treatment reduced yield on average by 16.7%. There were 66 QTLs discovered across the nine traits collected. Given the quantitative nature of the traits collected, the ability to use whole-genome prediction was investigated. The prediction accuracies ranged from 0.14 (yield) to 0.66 (1000-seed weight). Prediction had higher accuracy within the stress treatment than within the control treatment for seven of the nine traits, demonstrating that phenotyping within a stress environment can provide valuable data for whole-genome predictions.
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 | 0,000 |
| 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 ».