Genome-Wide Association Study and Candidate Gene Mining of Seed Size Traits in Soybean
Notice bibliographique
Résumé
Seed size traits, including seed length (SL), seed width (SW), and seed thickness (ST), are crucial appearance parameters that determine soybean seed weight, yield, and ultimate utilization. However, there is still a large gap in the understanding of the genetic mechanism of these traits. Here, 281 soybeans were utilized to analyze the genetic architecture of seed size traits in different years through multiple (single-locus and multi-locus) genome-wide association study (GWAS) models, and candidate genes were predicted by integrating information on gene function and transcriptome sequencing data. As a result, two, seven, and three stable quantitative trait nucleotides (QTNs) controlling SL, SW, and ST were detected in multiple environments using the single-locus GWAS model, and concurrently detected by the results of the multi-locus GWAS models. These stable QTNs are located on 10 linkage disequilibrium blocks, with single genome regions ranging in size from 20 to 440 kb, and can serve as the major loci controlling soybean seed size. Furthermore, by combining gene functional annotation and transcriptome sequencing data of seeds at different developmental stages from two extreme soybean accessions, nine candidate genes, including Glyma.05G038000, Glyma.05G244100, Glyma.05G246900, Glyma.07G070200, Glyma.11G010000, Glyma.11G012400, Glyma.17G165500, Glyma.17G166500, and Glyma.20G012600 within the major loci that may regulate soybean seed size, were mined. Overall, these findings offer valuable insights for molecular improvement breeding as well as gene functional studies to unravel the mechanism of soybean seed size.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».