MétaCan
Menu
Retour à la cohorte
Enregistrement W4404868892 · doi:10.5376/gab.2024.15.0016

Integrating Functional Genomics with Breeding in Eucommia ulmoides

2024· article· en· W4404868892 sur OpenAlexvenueno aff
Ying Zhu, Degang Zhao

Notice bibliographique

RevueGenomics and Applied Biology · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSeed and Plant Biochemistry
Établissements canadiensnon disponible
Organismes subventionnairesGuizhou Academy of Agricultural SciencesNational Natural Science Foundation of China
Mots-clésEucommia ulmoidesFunctional genomicsGenomicsBiologyComputational biologyGenomeGeneticsMedicineGene

Résumé

récupéré en direct d'OpenAlex

This involved constructing high-density genetic maps, analyzing quantitative trait loci (QTL) for growth traits, and identifying key genes involved in various biological processes. The study successfully constructed a high-density genetic map using single-nucleotide polymorphism (SNP) markers, covering 90% of the E. ulmoides genome with a total genetic distance of 4051.11 cM and an average marker distance of 0.45 cM. A total of 44 QTLs associated with growth traits were identified, along with 33 candidate genes related to energy storage, signal transmission, hormones, and metabolic pathways. Additionally, the genome of E. ulmoides was sequenced, revealing insights into sex differentiation and α-linolenic acid biosynthesis. The study also identified 71 NAC transcription factors and their potential role in rubber biosynthesis, and 119 MYB transcription factors involved in growth and development. The integration of functional genomics with breeding in Eucommia ulmoides has provided a solid foundation for future genetic improvement and breeding programs. The identification of key QTLs and candidate genes will facilitate targeted breeding strategies to enhance desirable traits, thereby improving the economic and ecological value of this important species.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,015
Tête enseignante GPT0,184
Écart entre enseignants0,170 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGenomics and Applied BiologyMême sujetSeed and Plant BiochemistryTravaux en français237 207