Genetically Distinct Rice Lines for Specific Characters as Revealed by Gene-Associated Average Pairwise Dissimilarity
Notice bibliographique
Résumé
Broadening the genetic base of an elite breeding gene pool is one important goal in a successful long-term plant breeding program. This goal is largely achieved through the search for and introgression of exotic germplasm with adaptive traits. However, little is known about the genetic backgrounds of acquired exotic germplasm, as germplasm selection is mainly based on trait information. Here, we expanded an average pairwise dissimilarity (APD) analysis to samples with SNP genotypes associated with genes for specific characters of breeding interest. Specifically, we explored a gene-associated APD analysis in a genomic characterization of 2643 rice lines based on their published FASTQ data. Published contigs for cloned genes conditioning heat tolerance, cold tolerance, fertility, and seed size were downloaded as gene reference sequences for SNP calling, along with those SNP calls based on the rice reference genome and published indels. Totally, eight SNP or indel data sets were formed for each of three sample groups (All2643, Indica1789, and Japonica854). APD estimation was made for each of the 24 data sets. For each sample group, four novel sets of the 25 most genetically distinct rice lines, each for an assayed character, were identified. Further analyses of APD estimates also revealed some interesting APD properties. Four contig-based SNP data sets for four specific characters displayed similar APD frequency distributions and positive high correlations of APD estimates. Contig-based APD estimates were negatively correlated with genome-based APD estimates and nearly uncorrelated with indel-based APD estimates. These findings are significant for plant germplasm characterization and germplasm utilization in plant breeding.
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 | 0,000 | 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 | 0,000 |
| 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 ».