Identification and characterization of stripe rust, leaf rust, leaf spot, and common bunt resistance in spring wheat
Notice bibliographique
Résumé
Abstract Hundreds of quantitative trait loci (QTLs) have been reported in diverse types of hexaploid wheat ( Triticum aestivum L.) populations, but direct comparisons of QTLs in different studies and populations are still challenging due to the lack of physical positions for most QTLs. Here, we used the International Wheat Genome Sequencing Consortium (IWGSC) RefSeq v2.0 physical map of all markers to map QTLs associated with leaf spot (Ls), leaf rust (Lr), stripe rust (Yr), and common bunt (Cbt) resistance in two recombinant inbred line populations. QTL mapping was conducted using the IWGSC physical map of 3158 and 5732 markers and disease severity data of Peace/Carberry and Attila/CDC Go populations evaluated in three to eight environments. We uncovered a total of 82 QTLs associated with Yr (36), Ls (18), Lr (15), and Cbt (13) resistance in the individual and overall means of all combined environments. Among them, 29 were associated with all combined environments, which accounted for 0.5%–20.9% individually and 12.4%–41.2% of the total disease severity per trait. Three ( QLr.dms‐2D.2 , QLs.dms‐5B , and QYr.dms‐5B.2 ) of the 29 QTLs were common in both populations. Fourteen out of the 29 QTLs were stable as they were identified both in the overall means and most of the individual environments. Ten chromosome arms harbored a cluster of QTLs associated with resistance to two to four diseases. This methodology would serve as one of the resources to compare QTLs identified in different populations and studies based on the improved physical information of all markers instead of population‐specific and consensus linkage maps.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».