MétaCan
Menu
Retour à la cohorte
Enregistrement W4394475330 · doi:10.6084/m9.figshare.19795435

Construction of an evenly-distributed genetic map using contig-tag-SNPs for quantitative trait loci (QTL) analysis of fiber-related traits in kenaf (<i>Hibiscus cannabinus</i> L.)

2022· dataset· en· W4394475330 sur OpenAlexaff
Yi Xu, Xuebei Wan, Siyuan Chen, Ting Liu, Jianmin Qi, Jiantang Xu, Liwu Zhang

Notice bibliographique

RevueFigshare · 2022
Typedataset
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiqueHibiscus Plant Research Studies
Établissements canadiensBC Children's HospitalUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésKenafQuantitative trait locusHibiscusContigBiologyTraitGenetic analysisFiberGeneticsBotanyComposite materialComputer scienceGeneGenomeMaterials science

Résumé

récupéré en direct d'OpenAlex

Kenaf is one of the most important natural fiber crops worldwide, which aims at harvesting bast fiber. Mining QTL loci of fiber yield and quality traits will facilitate fiber improvement and molecular marker-assisted breeding in kenaf. In this study, Fuhong 952 and Zanyin No. 1 were used as parents to construct two mapping populations, F2 and F2:3, and an evenly distributed genetic linkage map was constructed by re-sequencing. The map contains 2512 contig-tag-SNP markers, and 18 linkage groups with a total length of 1287.63 cM and an average distance of 0.51 cM. Totally, 32 and 28 QTLs were detected in the F2 and F2:3 populations, respectively. Through Blast searching against the reference genome using the sequences of flanking molecular markers linked to QTLs, 374 candidate genes related to cell wall formation and photoperiod regulating flowering were found in these loci, including cellulose synthase-like genes, MYB genes, and Agamous-like genes. These findings could lay a foundation for the improvement of fiber-related traits and gene cloning in kenaf.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,150
Tête enseignante GPT0,444
Écart entre enseignants0,295 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetHibiscus Plant Research StudiesTravaux en français237 207