QTL mapping reveals malt barley quality improvement in two dryland environments associated with extended grain fill and seminal root traits
Notice bibliographique
Résumé
Abstract To achieve malt grade and receive full price, barley ( Hordeum vulgare L.) crops must meet standards for certain quality traits including percent plump and protein. Terminal drought stress reduces quality and is projected to worsen in barley cultivation areas, underscoring the need for varieties that maintain good malt production with unreliable precipitation. The stay‐green trait extends the grain fill phase between heading and maturity and has been linked to stable quality under dry conditions. However, this relationship can be inconsistent and is not well understood. To effectively leverage a longer grain fill phenotype for drought adaptation, a better grasp of its genetics and environmental interaction is needed. Stay‐green root system differences have been observed and could be at play. We performed correlation and quantitative trait locus (QTL) analysis on grain fill duration, grain quality, and seminal root traits using a recombinant inbred line (RIL) population segregating for stay‐green. Agronomic data were collected in four field trials at two distinct semiarid locations, and roots were measured in a greenhouse assay. Earlier heading and later maturity led to improved quality in both locations and more consistent quality between locations. Earlier heading had a greater influence on quality in the drier environment, while later maturity was more impactful in the less dry environment. We observed co‐locations of seminal root trait QTLs with grain fill duration and grain quality. These QTLs lay the groundwork for further investigation into root phenotypes associated with stay‐green and the deployment of these traits in breeding for drought adaptation.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 tête enseignante, 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 ».