Uncovering Fusarium Species Associated with Fusarium Wilt in Chickpeas (Cicer arietinum L.) and the Identification of Significant Marker–Trait Associations for Resistance in the International Center for Agricultural Research in the Dry Areas’ Chickpea Collection Using SSR Markers
Notice bibliographique
Résumé
Enhancing plants’ resistance against FW is crucial for ensuring a sustainable global chickpea production. The present study focuses on the identification of fungal pathogens and the assessment of ninety-six chickpea samples for Fusarium wilt from the International Center for Agricultural Research in the Dry Areas (ICARDA)’s collection. Eight fungal isolates were recovered from the symptomatic chickpeas. Polyphasic identification was conducted by comparing the internal transcribed spacer region (ITS), the elongation factor 1-α (tef1-α), and beta-tubulin (tub2). Among them, Neocosmospora solani, N. nelsonii, N. falciformis, N. brevis, Fusarium brachygibbosum, and F. gossypinum were identified. An analysis of the genetic diversity of chickpeas, using 69 polymorphic simple sequence repeat (SSR) markers, revealed a total of 191 alleles across all markers, with, on average, each SSR marker detecting approximately 2.8 alleles. A STRUCTURE analysis delineated lines into two distinct sub-groups (K = 2). Association mapping, using the generalized linear model (GLM) and mixed linear model (MLM) approaches, identified six and five marker–trait associations (MTAs) for FW resistance, respectively. Notably, these TA42, TA125 (A) and TA125 (B), TA37, and TAASH MTAs, commonly found in both models, emerge as potential candidates for the targeted enhancement of FW resistance in chickpeas. To our knowledge, this study represents an inaugural report on the association mapping of genomic loci governing FW resistance in chickpeas from the ICARDA’s accessions.
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 | 0,002 | 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 ».