MétaCan
Menu
Retour à la cohorte
Enregistrement W4386977229 · doi:10.5376/mpb.2023.14.0018

Development of Polymorphic SSR Markers in Chinese Water Chestnut Based on RAD-seq

2023· article· en· W4386977229 sur OpenAlexvenueno aff
Lianfang He, Weiqing Dong, Zuyang Qiu, Huiping Jiang, Lili Liu, Qi Chen, Shiyu Huang

Notice bibliographique

RevueMolecular Plant Breeding · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBotany, Ecology, and Taxonomy Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPrimer (cosmetics)BiologyGenetic diversityGeneticsGenomeMicrosatelliteDNA sequencingMolecular markerDNAGeneChemistryAllelePopulationMedicine

Résumé

récupéré en direct d'OpenAlex

Chinese water chestnut ( Eleocharis dulcis ) is an important characteristic vegetable that grows in shallow waters. In order to develop simple sequence repeat (SSR) molecular markers for genetics research on Eleocharis dulcis , simplified genome sequencing by restriction-site associated DNA sequencing (RAD-seq), SSR search and primer design were performed. A total of 5039 SSR loci were detected, from which 4 137 pairs of primer were designed. Among them, the proportion of tri-nucleotides motifs was the highest (1 894), accounting for 45.89% of the total loci; followed by di-nucleotide with 1 406, accounting for 34.07%.. A total of 100 pairs of randomly selected primers were verified. 93% of the primers were successfully amplified. To assess the polymorphism of these primers, two varieties of Chinese water chestnuts were used to amplify the SSR marker using 83 pairs of primers. The 83 pairs of primers generated a total of 232 fragments. A total of 128 fragments were polymorphic. 60 pairs of primers out of 83 pairs generated at least one polymorphic band, and the ratio of polymorphic primers was 72.28%. These SSR markers developed from RAD tags were proved to be effective, which will provide a useful tool for genetic diversity research and molecular breeding in Chinese water chestnuts.

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,851
Score d'incertitude au seuil0,219

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,029
Tête enseignante GPT0,206
Écart entre enseignants0,177 · 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'étudeObservationnel
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular Plant BreedingMême sujetBotany, Ecology, and Taxonomy StudiesTravaux en français237 207