The construction of a high-density consensus genetic map for soybean based on SNP markers derived from genotyping-by-sequencing
Notice bibliographique
Résumé
Genetic linkage maps are used to localize markers on the genome based on the recombination frequency. Most often, these maps are based on the segregation observed within a single biparental population of limited size ( n < 300) where relatively few recombination events are sampled and in which some genomic regions are monomorphic because both parents carry the same alleles. Together, these two limitations affect both the resolution and extent of genome coverage of such maps. Consensus genetic maps overcome the limitations of individual genetic maps by merging the information from multiple segregating populations derived from a greater diversity of parental combinations, thus increasing the number of recombination events and reducing the number of monomorphic regions. The aim of this study was to construct a high-density consensus genetic map for single nucleotide polymorphism (SNP) markers obtained through a genotyping-by-sequencing (GBS) approach. Individual genetic maps were generated from six F 4:5 mapping populations ( n = 278–365), totaling 1857 individuals. The six linkage maps were then merged to produce a consensus map comprising a total of 16 311 mapped SNPs that jointly cover 99.5% of the soybean genome with only two gaps larger than 10 cM. Compared to previous soybean consensus maps, it offers a more extensive and uniform coverage.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 ».