Kabuli chickpea seed quality diversity and preliminary genome‐wide association study identifies markers and potential candidate genes
Notice bibliographique
Résumé
Abstract Malnutrition due to macro‐ and micro‐nutrient deficiencies is one of the major global health concerns, especially in developing countries. Using genomics‐assisted breeding to enhance the nutritional value of important crops such as chickpea (Cicer arietinum L.) can help to address the problem. In this study, we conducted genome‐wide association studies to identify genes associated with protein, starch, oil, and fiber in chickpea to create resources to speed the breeding process. The USDA kabuli chickpea mini‐core of 88 accessions was genotyped using genotyped‐by‐sequencing, and 36,645 single nucleotide polymorphisms (SNPs) were identified across the eight chromosomes of the chickpea genome. A genome‐wide marker‐trait analysis using the FarmCPU model was conducted to identify SNP markers that can enable marker‐assisted breeding for seed protein, fiber, oil, and starch concentrations. The most significantly associated markers for seed protein concentration (p = 8.82E‐12), starch (p = 2.79E‐12), fiber (p = 7.65E‐12), and oil (p = 1.37E‐08) were found on chromosomes 1, 2, 6, and 7, controlling 11%, 12%, 20%, and 16% of the phenotypic variation, respectively. Validation of the SNP markers in a broader set of plant genetic resources and environments will be needed to determine their usefulness in breeding for end‐use characteristics.
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 | 0,001 | 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) | 0,002 | 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 ».