Systematic Characterization of Multi-Rust Resistance Genes from a ‘Parula × Thatcher’ Population with a High-Density Genetic Map
Notice bibliographique
Résumé
Pyramiding multiple resistant genes has been proposed as the most effective way to control wheat rust diseases globally. Identifying the most effective pyramids is challenged by the large pool of rust resistance genes and limited information about their mechanisms of resistance and interactions. Here, using a high-density genetic map, a double haploid population, and multi-rust field testing, we aimed to systematically characterize the most effective gene pyramids for rust resistance from the durable multi-rust resistant CIMMYT cultivar Parula. We revealed that the Parula resistance gene pyramid contains Lr34/Yr18/Sr57 ( Lr34), Lr46/Yr29/Sr58 ( Lr46), Lr27/Yr30/Sr2 ( Sr2), and Lr68. The efficacy, magnitude of effect, and interactions varied for the three rust diseases. A subpopulation mapping approach was applied to characterize the complex interactions of the resistance genes by controlling for the effect of Lr34. Using this approach, we found that Lr34 and Lr68 have a strong additive effect for leaf rust, whereas no additive effects were observed for any rusts between Lr34 and Lr46. Lr34 combined synergistically with Sr12 from Thatcher for stem rust, whereas the additive effect of Lr34 and Sr2 was dependent on the type of rust and environment. Two novel leaf rust quantitative trait loci (QTLs) from Parula were identified in this study, a stable QTL QLr-7BS and QLr-5AS, which showed Lr34 dependent expression. With these findings, we propose combining two to three high-value genes from Canadian wheat (e.g., Sr12 from Thatcher) with a foundational multi-adult plant resistance cassette for desirable and durable resistance to all three rusts in Canadian wheat.
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 | 0,000 | 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 ».