Application of an Improved 2-Dimensional High-Throughput Soybean Root Phenotyping Platform to Identify Novel Genetic Variants Regulating Root Architecture Traits
Notice bibliographique
Résumé
Nutrient-efficient root system architecture (RSA) is becoming an important breeding objective for generating crop varieties with improved nutrient and water acquisition efficiency. Genetic variants shaping soybean RSA is key in improving nutrient and water acquisition. Here, we report on the use of an improved 2-dimensional high-throughput root phenotyping platform that minimizes background noise by imaging pouch-grown root systems submerged in water. We also developed a background image cleaning Python pipeline that computationally removes images of small pieces of debris and filter paper fibers, which can be erroneously quantified as root tips. This platform was used to phenotype root traits in 286 soybean lines genotyped with 5.4 million single-nucleotide polymorphisms. There was a substantially higher correlation in manually counted number of root tips with computationally quantified root tips (95% correlation), when the background was cleaned of nonroot materials compared to root images without the background corrected (79%). Improvements in our RSA phenotyping pipeline significantly reduced overestimation of the root traits influenced by the number of root tips. Genome-wide association studies conducted on the root phenotypic data and quantitative gene expression analysis of candidate genes resulted in the identification of 3 putative positive regulators of root system depth, total root length and surface area, and root system volume and surface area of thicker roots (DOF1-like zinc finger transcription factor, protein of unknown function, and C2H2 zinc finger protein). We also identified a putative negative regulator (gibberellin 20 oxidase 3) of the total number of lateral roots.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».