Simple Sequence Repeats-Based DNA Fingerprinting and Varietal Identification of Mango Cultivars
Notice bibliographique
Résumé
Assessment of the genetic distinctiveness of a cultivar through morphological descriptors is an important tool for both the registration and the protection. New mango genotypes have been improved using valuable diverse germplasm resources to ensure food security. DNA fingerprinting based simple sequence repeats (SSR)-markers have been the most broadly used, effective and accurate in evaluation of genetic characterization of a cultivar. Molecular breeding is an effective source of genetic gain after improvement of fruit trees using marker assisted genomic selection. Mango (Mangifera indica L.) is an allotetraploid (2n = 4X= 40) drupe fruit and has high nutritional value belongs to genus Mangifera and family Anacardiaceae. Mango cultivars are used with worldwide acceptance to pharmacological, ethnomedical, and phytochemical industries. This study investigated the molecular evaluation of a new mango cultivar ‘Azeem Chaunsa’ using a set of the most effective 50 hyper-variable polymorphic SSR markers. Highly specific DNA fingerprints were identified in the genome of this mango cultivar, ‘Azeem Chaunsa’ compared with three standard cultivars such as Sindhri, Samar Bahisht (S.B) Chaunsa and Sufaid Chaunsa. Our results showed that SSR markers could efficiently assess genetic diversity in mango. An agglomerative hierarchical clustering method was used to construct dendrogram based on the ‘Unweighted Pair- Group Method with Arithmetic Mean’ (UPGMA). The genetic similarity coefficients were recorded between the mangos cultivars ranged from 0.49 to 0.67. Cultivar identification (CID) evaluates association among standard cultivars and Azeem Chaunsa and further concludes significant variations. CID results concluded that cultivar ‘Azeem Chaunsa’ varied significantly from the check cultivar, Sindhri (46.2%), S.B Chaunsa (45%) and Sufaid Chaunsa (46.7%). The results obtained in this study will orient cultivar identification strategies for a successful future mango breeding programmes in the context of climate change.
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) | 0,000 | 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 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 ».