Towards the development of the PCR-based InDel markers associated with fruit skin quality traits in melon (<i>Cucumis melo</i> L.) using bulked segregant analysis
Notice bibliographique
Résumé
Melon's fruit skin quality is an agriculturally important and consumer-appealing trait. To identify molecular markers associated with fruit skin qualities, including reticulation and color, a total of 1200 Insertion/Deletion (InDel) markers randomly selected from the whole genome re-sequencing data of melon were combined with bulk segregant analysis to analyze a panel of melon genetic resources presenting reticulated- and smooth-skinned fruits as well as varying fruit skin colors. Four DNA bulks, including reticulated skin DNA bulk, smoothed skin DNA bulk, green skin DNA bulk, as well as white skin and light yellow skin DNA bulks, were developed. Four DNA pools were created by combining the DNA of 12 representative plants from each DNA bulk for polymorphism analysis, and 200 polymorphic InDel markers were selected. These polymorphic markers were used to characterize typical genetic bands within each DNA bulk. Two InDel markers, MC8-52 and MC4-7, were discovered to be related to fruit surface patterning (reticulated- and smooth-skinned fruits) and fruit color (green and white–light yellow fruits), respectively. These markers offer a high degree of detection accuracy. InDel marker MC8-52 on chromosome 8 achieved detection accuracies of 78.33% and 90.56%, whereas marker MC4-7 on chromosome 4 displayed detection accuracies of 92.92% and 83.35%, respectively. However, these markers were seen as a likely means of identifying strongly related markers for these traits. Hence, a high-resolution map of genomic regions carrying them is required for the development of highly linked markers for these traits.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».