Genome-wide association studies identify promising QTL for freezing tolerance in winter and early spring as a basis for in-depth genetic analysis and implementation in winter faba bean ( <i>Vicia faba</i> L.) breeding
Notice bibliographique
Résumé
Abstract Interest in faba bean as a locally adapted high-protein grain legume crop has increased in Europe over the past decade. Winter faba bean, which can make use of soil moisture from autumn to spring and partially escape summer droughts, exhibit greater yield potential than the spring-type. However, due to insufficient winter hardiness, winterkill is a major constraint that prevents large-scale production of current winter-type cultivars in Central and Northern Europe. Here, we extend the understanding of freezing tolerance, the main component trait of winter hardiness, during winter and against late-frost in early spring and define genomic target regions for marker-assisted selection. Comparative analysis of genome-wide association studies revealed 13 treatment-specific major QTLs with partially pleiotropic effect on four freezing tolerance related traits. In addition, we identified five treatment-unspecific pleiotropic QTLs, including two major freezing tolerance loci on chromosomes 1 and 5. Our results thus indicate both a distinct and common genetic control of tolerance to winter- and late-frost in winter faba bean. In combination with the promising prediction abilities obtained from marker score-based prediction, our work highlights the potential for marker-assisted and genomic selection toward improved freezing tolerance and winter hardiness in winter faba bean breeding programs.
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 | 0,001 | 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) | 0,001 | 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 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 ».