Linkage map construction and quantitative trait loci (QTL) mapping using intermated vs. selfed recombinant inbred maize line (Zea mays L.)
Notice bibliographique
Résumé
Khanal, R., Navabi, A. and Lukens, L. 2015. Linkage map construction and quantitative trait loci (QTL) mapping using intermated vs. selfed recombinant inbred maize line (Zea mays L.). Can. J. Plant Sci. 95: 1133-1144. Intermating of individuals in an F2 population increases genetic recombination between markers, which is useful for linkage map construction and quantitative trait loci (QTL) mapping. The objectives of this study were to compare the linkage maps and precision of QTL detection in an intermated recombinant inbred line (IRIL) population and a selfed recombinant inbred line (RIL) population. Both, IRIL and RIL, populations were developed from Zea mays inbred lines CG60 and CG102. The populations were grown in two environments to evaluate traits, and inbred lines from each population were genotyped with SSR and SNP markers for linkage map construction and QTL identification. In addition, we simulated RIL and IRIL populations from two inbred parents to compare the precision of QTL detection between simulated RIL and IRIL populations. In the empirical study, the linkage map was longer in RIL as compared with IRIL, and the average QTL support interval was reduced by 1.37-fold in the IRIL population compared with the RIL population. We detected 16 QTL for flowering time, plant height, leaf number, and stay green in at least one recombinant inbred line population. Two out of 16 QTL were shared between two recombinant inbred line populations. In the simulation study, the QTL support interval was reduced by 1.66-fold in the IRIL population as compared with the RIL population and linked QTL were identified more frequently in IRIL population as compared with RIL population. This study supports the utility of intermated RIL populations for precise QTL mapping.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».