In silico mapping in an oil palm breeding program reveals a quantitative and complex genetic resistance to Ganoderma boninense
Notice bibliographique
Résumé
Abstract Basal stem rot caused by Ganoderma boninense is the major threat to oil palm cultivation in South-East Asia, which accounts for 80% of palm oil production worldwide, and this disease is increasing in Africa. The use of resistant planting material as part of an integrated pest management of this disease is one sustainable solution. However, breeding for Ganoderma resistance requires long-term and costly research, which could greatly benefit from marker assisted selection (MAS). In this study, we evaluated the effectiveness of an in silico genetic mapping approach that took advantage of extensive data recorded in an ongoing breeding program. A pedigree-based QTL mapping approach applied to more than 10 years’ worth of data collected during pre-nursery tests revealed the quantitative nature of Ganoderma resistance and identified underlying loci segregating in genetic diversity that is directly relevant for the breeding program supporting the study. To assess the consistency of QTL effects between pre-nursery and field environments, information was collected on the disease status of the genitors planted in genealogical gardens and modeled with pre-nursery-based QTL genotypes. In the field, individuals were less likely to be infected with Ganoderma when they carried more favorable alleles at the pre-nursery QTL. Our results pave the way for a MAS of Ganoderma resistant and high yielding planting material and the provided proof-of-concept of this efficient and cost-effective approach could motivate similar studies based on diverse breeding programs.
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 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».