QTL Mapping of Seed Fe Concentration in an Interspecific RIL Population Derived from <i>Lens culinaris</i> × <i>Lens ervoides</i>
Notice bibliographique
Résumé
Abstract Biofortification of lentil ( Lens culinaris Medik.) was investigated to potentially increase bioavailable iron (Fe) in the human diet. This study assessed the genetic variation for seed Fe concentration (SFeC) and identified the genomic regions associated with SFeC in an interspecific mapping population derived from crossing between L. culinaris cv. ‘Eston’ and L. ervoides accession IG 72815. A total of 134 RILs were evaluated in three environments. The SFeC data for individual environments and best linear unbiased prediction (BLUP) of the SFeC across environments were used for QTL analysis. The seeds of the RILs exhibited variation for SFeC from 47.0 to 102.9 mg kg -1 and several RILs showed transgressive segregation for SFeC. QTL analysis identified two QTLs on chromosomes 2 and 6 that accounted for 11.9-14.0% and 12.5-20.5%, respectively, of the total phenotypic variation for SFeC. The SNP markers linked to the identified QTLs may prove useful for increasing SFeC via marker-assisted selection. RILs with high SFeC can be incorporated into the lentil breeding program to broaden the genetic base of the breeding pool and/or used for the development of genetic resources for future genomic studies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».