MétaCan
Menu
Retour à la cohorte
Enregistrement W4403490795 · doi:10.1139/gen-2023-0127

Mapping of quantitative trait loci (QTL) in <i>Brassica napus</i> L. for tolerance to water stress

2024· article· en· W4403490795 sur OpenAlexaffvenue
Samadhi B. Jayarathna, Harmeet Singh Chawla, Mohamed M. Mira, Robert W. Duncan, Claudio Stasolla

Notice bibliographique

RevueGenome · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Stress Responses and Tolerance
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésQuantitative trait locusBiologyBrassicaDrought toleranceDoubled haploidyGeneticsCandidate geneTraitGenotypePloidyWater stressGeneHorticulture

Résumé

récupéré en direct d'OpenAlex

tolerance to water stress mimicked by applications of 10% polyethylene glycol-6000 (PEG-6000). Two doubled haploid populations, each consisting of 150 genotypes, were used for this research. Plants at the two true leaf stage of development were grown in the absence (control) or presence (stress) of PEG-6000 under controlled environmental conditions for 48 h, and the drought stress index was calculated for each genotype. All genotypes, along with their parents, were genotyped using the Brassica Infinium 90K SNP BeadChip Array. Inclusive composite interval mapping was used to identify QTL. Six QTL and 12 putative QTL associated with water stress tolerance were identified across six chromosomes (A2, A3, A4, A9, C3, and C7). Collectively, 2154 candidate genes for water stress tolerance were identified for all the identified QTL. Among them, 213 genes were identified as being directly associated with water stress (imposed by PEG-6000) tolerance based on nine functional annotations. These results can be incorporated into future breeding initiatives to select plant material with the ability to cope effectively with water stress.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,246
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGenomeMême sujetPlant Stress Responses and ToleranceTravaux en français237 207