Image processing and genome-wide association studies in sunflower identify loci associated with seed-coat characteristics
Notice bibliographique
Résumé
Abstract Sunflower seeds (technically achenes) are characterized by a wide spectrum of sizes, shapes, and colors. These traits are genetically correlated with the branching plant architecture loci, which were introgressed into restorer lines to facilitate efficient hybrid production. To break this genetic correlation between branching and seed traits, high resolution mapping of the genes that regulate seed traits is necessary. Recent progress in genomics permits acquisition of comprehensive genotyping data for a large diversity panel, yet a major constraint for exploring the genetic basis of important phenotypes across large diversity panels is the ability to screen and characterize them efficiently. Here, we implement a cost-effective image analysis pipeline to phenotype seed characteristics in a large sunflower diversity panel comprised of 287 individuals that represents most of the genetic variation in cultivated sunflower. A genome-wide association analysis was performed for seed-coat size and shape traits and significant signals were identified around genes regulating phytohormone activity. In addition, significant seed-coat color QTLs were identified and candidate genes that effect pigmentation were detected including a phytomelanin regulating gene on chromosome 17. Finally, QTLs associated with the seed-coat striped pattern were identified and phytohormone regulating candidate genes were detected. The implementation of image analysis phenotyping for GWAS allowed efficient screening of a large diversity panel and identification of valuable genetic factors effecting seed characteristics at the finest resolution to date.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».