High‐molecular‐weight glutenin subunit compositions in current Chinese commercial wheat cultivars and the implication on Chinese wheat breeding for quality
Notice bibliographique
Résumé
Abstract Background and objectives Genetic diversity of high‐molecular‐weight (HMW) glutenin subunits is often used for wheat improvement because of its correlation with end‐use quality of wheat. The objectives were (a) to characterize and analyze the HMW‐GS composition of common wheat, (b) determine the diversity of high‐molecular‐weight glutenin subunits, and (c) elucidate the distribution characteristics of wheat good‐quality subunit and quality classification. Findings The results revealed a total of 15 different alleles (3 at Glu‐A1 , 8 at Glu‐B1 , and 4 at Glu‐D1 ) and 35 allele combinations. Glu‐A1c (57.92%), Glu‐A1a (62.94%), Glu‐A1c (55.86%) appeared to be the most frequent alleles at Glu‐A1 in Hebei, Henan, and Sichuan provinces, respectively. The Glu‐B1c was the most common allele at the Glu‐B1 locus in all three provinces, with frequencies of 48.75%, 55.24%, and 29.66%, respectively. Glu‐D1a (66.25%), Glu‐D1d (53.85%), Glu‐D1a (55.17%) at the Glu‐D1 locus appeared to be the common alleles in Hebei, Henan, and Sichuan provinces, respectively. Cluster analysis based on allelic similarity of Glu‐1 loci classified the 528 wheat cultivars into two major categories. Conclusions These results indicated that the HMW glutenin allele compositions are not optimal for the current varieties in these provinces. A high level of quality improvement may be implemented by increasing the frequencies of Glu‐A1a (1) or Glu‐A1b (2*), Glu‐B1i (17 + 18), Glu‐D1d (5 + 10). Significance and novelty Our results revealed clear directions for wheat quality improvement in these provinces.
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 ».