Advancing crested wheatgrass [Agropyron cristatum (L.) Gaertn.] breeding through genotyping-by-sequencing and genomic selection
Notice bibliographique
Résumé
Crested wheatgrass [Agropyron cristatum (L.) Gaertn.] provides high quality, highly palatable forage for early season grazing. Genetic improvement of crested wheatgrass has been challenged by its complex genome, outcrossing nature, long breeding cycle, and lack of informative molecular markers. Genomic selection (GS) has potential for improving traits of perennial forage species, and genotyping-by-sequencing (GBS) has enabled the development of genome-wide markers in non-model polyploid plants. An attempt was made to explore the utility of GBS and GS in crested wheatgrass breeding. Sequencing and phenotyping 325 genotypes representing 10 diverse breeding lines were performed. Bioinformatics analysis identified 827, 3,616, 14,090 and 46,136 single nucleotide polymorphism markers at 20%, 30%, 40% and 50% missing marker levels, respectively. Four GS models (BayesA, BayesB, BayesCπ, and rrBLUP) were examined for the accuracy of predicting nine agro-morphological and three nutritive value traits. Moderate accuracy (0.20 to 0.32) was obtained for the prediction of heading days, leaf width, plant height, clump diameter, tillers per plant and early spring vigor for genotypes evaluated at Saskatoon, Canada. Similar accuracy (0.29 to 0.35) was obtained for predicting fall regrowth and plant height for genotypes evaluated at Swift Current, Canada. The Bayesian models displayed similar or higher accuracy than rrBLUP. These findings show the feasibility of GS application for a non-model species to advance plant 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 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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».