Image processing and genome-wide association studies in sunflower identify loci associated with seed-coat characteristics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 | 0,001 |
| 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 découle