MétaCan
Menu
Retour à la cohorte
Enregistrement W4307621439 · doi:10.3390/plants11212905

Identification of Disease Resistance Parents and Genome-Wide Association Mapping of Resistance in Spring Wheat

2022· article· en· W4307621439 sur OpenAlexafffund
Muhammad Iqbal, Kassa Semagn, Diego Jarquín, Harpinder Randhawa, Brent McCallum, Réka Howard, Reem Aboukhaddour, Izabela Ciechanowska, Klaus Strenzke, José Crossa, J. Jesús Cerón‐Rojas, Amidou N’Diaye, Curtis Pozniak, Dean Spaner

Notice bibliographique

RevuePlants · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWheat and Barley Genetics and Pathology
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of SaskatchewanUniversity of Alberta
Organismes subventionnairesSaskatchewan Wheat Development CommissionAlberta Wheat CommissionWestern Grains Research FoundationAgriculture and Agri-Food CanadaAlberta Crop Industry Development Fund
Mots-clésBiologyRust (programming language)Genome-wide association studyAssociation mappingCultivarPlant disease resistanceGenotypeAgronomyGrain yieldLeaf spotQuantitative trait locusGenetic associationGeneticsSNPSingle-nucleotide polymorphismGene

Résumé

récupéré en direct d'OpenAlex

The likelihood of success in developing modern cultivars depend on multiple factors, including the identification of suitable parents to initiate new crosses, and characterizations of genomic regions associated with target traits. The objectives of the present study were to (a) determine the best economic weights of four major wheat diseases (leaf spot, common bunt, leaf rust, and stripe rust) and grain yield for multi-trait restrictive linear phenotypic selection index (RLPSI), (b) select the top 10% cultivars and lines (hereafter referred as genotypes) with better resistance to combinations of the four diseases and acceptable grain yield as potential parents, and (c) map genomic regions associated with resistance to each disease using genome-wide association study (GWAS). A diversity panel of 196 spring wheat genotypes was evaluated for their reaction to stripe rust at eight environments, leaf rust at four environments, leaf spot at three environments, common bunt at two environments, and grain yield at five environments. The panel was genotyped with the Wheat 90K SNP array and a few KASP SNPs of which we used 23,342 markers for statistical analyses. The RLPSI analysis performed by restricting the expected genetic gain for yield displayed significant (p < 0.05) differences among the 3125 economic weights. Using the best four economic weights, a subset of 22 of the 196 genotypes were selected as potential parents with resistance to the four diseases and acceptable grain yield. GWAS identified 37 genomic regions, which included 12 for common bunt, 13 for leaf rust, 5 for stripe rust, and 7 for leaf spot. Each genomic region explained from 6.6 to 16.9% and together accounted for 39.4% of the stripe rust, 49.1% of the leaf spot, 94.0% of the leaf rust, and 97.9% of the common bunt phenotypic variance combined across all environments. Results from this study provide valuable information for wheat breeders selecting parental combinations for new crosses to develop improved germplasm with enhanced resistance to the four diseases as well as the physical positions of genomic regions that confer resistance, which facilitates direct comparisons for independent mapping studies in the future.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,275
Score d'incertitude au seuil0,084

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,205
Écart entre enseignants0,189 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePlantsMême sujetWheat and Barley Genetics and PathologyTravaux en français237 207