Genetic and chemical diversity analyses in tale grapes (Vitis vinifera L.)
Notice bibliographique
Résumé
Vitis vinifera L. is one of the economically important plant crops worldwide which is a valuable food source for humans. This precious plant species has several local varieties and accessions which are continuously under selection and cultivation. Due to these human activities, the grape faces genetic homogeneity and erosion. Therefore, it is important to investigate available genetic diversity in grape plants all over the world. We aimed to study the genetic structure and diversity as well as chemical differences of seven grape cultivars in the country. We used SSR, and SRAP molecular markers for genetic diversity analyses, as well as biochemical traits. Both molecular markers showed a medium to moderate genetic variability in the studied grape cultivars (about 20% genetic polymorphism). Similarly, both molecular markers differentiated the studied cultivars into two genetic groups. AMOVA indicated significant genetic difference in these cultivars. ANOVA analysis of flavonols (quercetin, myricetin, kaempferol, and rutin) contents of seeds extract by HPLC indicated the significant difference (P <0.01) among grape cultivars. PCA biplot of cultivars based on chemical features separated these cultivars into two major groups according to their flavone and flavonoid contents. Pairwise Mantel tests performed between molecular and chemical data showed a significant association between SSR and SRAP data, but no significant association was obtained between either SSR or SRAP data with chemical features in grape cultivars studied. A heat-map constructed based on combined molecular and chemical data revealed that some of the studied grape cultivars are distinct in their genetic and chemical features.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».