Genomic selection for resistance to spruce budworm in white spruce and relationships with growth and wood quality traits
Notice bibliographique
Résumé
Abstract With climate change, the pressure on tree breeding to provide varieties with improved resilience to biotic and abiotic stress is increasing. As such, pest resistance is of high priority but has been neglected in most tree breeding programs, given the complexity of phenotyping for these traits and delays to assess mature trees. In addition, the existing genetic variation of resistance and its relationship with productivity should be better understood for their consideration in multitrait breeding. In this study, we evaluated the prospects for genetic improvement of the levels of acetophenone aglycones (AAs) in white spruce needles, which have been shown to be tightly linked to resistance to spruce budworm. Furthermore, we estimated the accuracy of genomic selection (GS) for these traits, allowing selection at a very early stage to accelerate breeding. A total of 1,516 progeny trees established on five sites and belonging to 136 full‐sib families from a mature breeding population in New Brunswick were measured for height growth and genotyped for 4,148 high‐quality SNPs belonging to as many genes along the white spruce genome. In addition, 598 trees were assessed for levels of AAs piceol and pungenol in needles, and 578 for wood stiffness. GS models were developed with the phenotyped trees and then applied to predict the trait values of unphenotyped trees. AAs were under moderate‐to‐high genetic control (h2: 0.43–0.57) with null or marginally negative genetic correlations with other traits. The prediction accuracy of GS models (GBLUP) for AAs was high (PAAC: 0.63–0.67) and comparable or slightly higher than pedigree‐based (ABLUP) or BayesCπ models. We show that AA traits can be improved and that GS speeds up the selection of improved trees for insect resistance and for growth and wood quality traits. Various selection strategies were tested to optimize multitrait gains.
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 | 0,001 | 0,001 |
| 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 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 ».