The Quest for the Sli Locus
Notice bibliographique
Résumé
Abstract Genetic gain in potato breeding is limited by the heterozygous tetraploid genome of cultivated potato. Recent efforts to breed potato at the diploid level promise to improve genetic gain and allow more straightforward genetics and introgression breeding. Diploid F1 hybrid potato breeding relies on the ability to create diploid inbred lines via repeated self-fertilization. However, self-fertilization of diploid potato is hampered by a gametophytic self-incompatibility system encoded by the S-locus that prevents fertilization by self-pollen. Nonetheless, self-compatible diploid potato genotypes exist and have been used to create inbred lines. The S-locus inhibitor (Sli) gene is a dominant gene that provides strong self-compatibility in diploid potato and was previously mapped to Chromosome 12. While the Sli gene has already been identified and characterized, the most tedious challenge was to develop the optimal phenotyping methods and genetic populations preceding the cloning of this gene. To this end, we developed an effective phenotyping protocol to identify suitable parents and create diploid populations segregating for Sli. We show that an accurate phenotyping method is crucial to discriminate between confounding fertility factors and self-compatibility. In addition, we found that the Sli locus shows extreme segregation distortion on Chromosome 12. Finally, we used these insights to develop three F1 populations that segregate for Sli, which we later used for the identification of the Sli gene.
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 | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».