Expanding Genetic Horizons: The Role of MAGIC Populations in Enhancing Plant Breeding Efficiency
Notice bibliographique
Résumé
The burgeoning global population and the concomitant demand for increased agricultural productivity necessitate the exploration of innovative breeding strategies. Multi-parent advanced generation inter-cross (MAGIC) populations have emerged as a pivotal resource in plant breeding, offering a unique amalgamation of genetic diversity and recombination. These populations are derived from multiple founder parents and result in recombinant inbred lines (RILs) that serve as a genetic mosaic, capturing a broad spectrum of genetic variation. The development of MAGIC populations, through either "funnel" or "diallel" cross-designs, ensures a balanced representation of each parent's genome, thereby maximizing the potential for genetic discovery and trait improvement. The application of MAGIC populations has been demonstrated across various crops, including cereals, cowpea, sorghum, tomato, eggplant, rice, and strawberry, highlighting their versatility and potential for enhancing breeding efficiency. Advances in genotyping technologies and specific software development have facilitated the genetic analysis of these complex populations, enabling the identification of quantitative trait loci (QTLs) and the selection of elite breeding material. Furthermore, MAGIC populations are instrumental in dissecting complex traits, such as disease resistance, abiotic stress tolerance, and grain quality, and hold promise for the direct release of new varieties. The integration of MAGIC populations into breeding pipelines, coupled with the potential for inter-specific crosses and the development of populations in non-pure line crops, underscores their transformative role in plant breeding. This review underscores the significance of MAGIC populations in advancing genetic research and breeding, paving the way for the development of improved cultivars to meet future agricultural challenges.
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 | 0,007 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».