MétaCan
Menu
Retour à la cohorte
Enregistrement W4386521582 · doi:10.1111/pbr.13141

Development of KASP fingerprinting panel for clonal identification in red raspberry (<scp><i>Rubus idaeus</i></scp> L.)

2023· article· en· W4386521582 sur OpenAlexaff
Shaun J. Clare, Ryan M. King, Michael A. Hardigan, Michael Dossett, Sara Montanari, David Chagné, Cherie Ochsenfeld, Caitlin Britton, Ryan A. Rapp, Nahla Bassil

Notice bibliographique

RevuePlant Breeding · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBerry genetics and cultivation research
Établissements canadiensWSP (Canada)Columbia Bible College
Organismes subventionnairesnon disponible
Mots-clésBiologyBlowing a raspberryGeneticsSNP genotypingGenotypingRubusIdentification (biology)Single-nucleotide polymorphismDNA profilingGenomeAlleleComputational biologyGenotypeBotanyGeneHorticultureDNA

Résumé

récupéré en direct d'OpenAlex

Abstract Red raspberry is an economically important horticultural crop that is known for its fruit's sweet flavour and nutritional value. A reliable and economic genotyping platform is needed to facilitate clonal/variety identification. Previous attempts for clonal identification utilized morphological traits or low‐throughput, difficult to score dinucleotide‐containing simple sequence repeat molecular markers. Single nucleotide polymorphisms (SNPs), despite having lower allelic diversity, are numerous across the genome and more easily converted to high‐throughput assays restoring differential power. In this study, we use the kompetitive allele‐specific PCR (KASP™) chemistry, an affordable and high‐throughput platform, to develop a panel of SNPs to distinguish a diverse collection of red raspberry accessions for clonal identification. The panel consists of 48 KASP assays that show high concordance with whole genome sequencing, allelic balance, and recovery rate and a minimal set of 24 assays that distinguished the same accessions differentiated by the larger panel.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,827
Score d'incertitude au seuil0,168

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,134
Tête enseignante GPT0,275
Écart entre enseignants0,140 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePlant BreedingMême sujetBerry genetics and cultivation researchTravaux en français237 207