Notice bibliographique
Résumé
In order to provide scientific basis for studying the genetic diversity and molecular marker-assisted breeding of loquat, new molecular markers of loquat were developed by analyzing flower transcriptome data. In this study, MIcroSAtellite (MISA) and Blast2GO were used for SSR searching, screening, identification, and analysis of non-redundant Unigenes, and Primer 3 was used for SSR primer design. A search found that 28 617 Unigenes contained 44 622 SSR loci, and the frequency of occurrence of SSR loci was 47.51%, and the total average distribution distance was 4.87 kb. Mononucleotide and dinucleotide repeats were the main repeat types of SSR in the loquat flower transcriptome that the SSR of mononucleotide and dinucleotide repeats accounted for 52.09% and 32.83% of the total SSR, respectively. The dominant repeat motifs were A/T and AG/CT, which accounted for 50.94% and 26.70% of the mononucleotide repeats and dinucleotide respectively, and the 65.79% length of motif was concentrated in 12~20 bp. Gene Ontology (GO) functional classification showed that 28 617 loquat flower transcriptome Unigenes containing SSR loci were enriched in 51 GO terms of the 3 GO categories, and the biological process category involved the most GO terms (21). Primers for 34 301 SSR sequences were successfully designed, with a success rate of 76.87%. It is shown by the analysis that the flower transcriptome SSR loci had high frequency, high distribution density, and high polymorphism potential and could provide abundant repeat types. These could provide scientific basis for studying quantitative trait loci mapping, molecular marker-assisted breeding, genome evolution, genetic diversity analysis.
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 | 0,001 | 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 ».