Automating high-throughput screening for anthracnose resistance in common bean using allele specific PCR
Notice bibliographique
Résumé
BACKGROUND: Common beans (Phaseolus vulgaris L.) provide important protein and calories globally. Anthracnose (Colletotrichum lindemuthianum (Sacc. & Magnus) Briosi & Cavara, 1889) is a major disease in common bean and causes significant yield losses in bean production areas. Screening for markers linked to known disease resistance genes provides useful information for plant breeders to develop improved common bean varieties. The Kompetitive Allele Specific PCR (KASP) assay is an affordable genetic screening technique that can be used to accelerate breeding programs, but manual DNA extraction and KASP assay preparation are time-consuming. Several KASP markers have been developed for genes involved in resistance to bean anthracnose, which can reduce yield by up to 100%, but their usefulness is hindered by the labor required to screen a significant number of bean lines. Our research objective was to develop publicly available protocols for DNA extraction and KASP assaying using a liquid handling robot (LHR) which would facilitate high-throughput genetic screening with less active human time required. Anthracnose resistance markers were used to compare manual and automated results. RESULTS: both by hand and with the use of an LHR. A protocol was written for DNA extraction and KASP assay thermocycling to implement the LHR. The LHR protocol reduced the active human screening time of 24 samples from 3h44 to 1h23. KASP calls were consistent across replicates but not always accurate for their known linked resistance genes, suggesting more specific markers still need to be developed. Using an LHR, information from KASP assays can be accumulated with little active human time. CONCLUSION: Results suggest that LHRs can be used to expedite time-consuming and tedious lab work such as DNA extraction or PCR plate filling. Notably, LHRs can be used to prepare KASP assays for large sample sizes, facilitating higher throughput use of genetic marker screening tools.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,004 |
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 ».