Development and validation of a minimal SNP genotyping panel for the differentiation of Cannabis sativa cultivars
Notice bibliographique
Résumé
BACKGROUND: Due to its previously illicit nature, Cannabis sativa had not fully reaped the benefits of recent innovations in genomics and plant sciences. However, Canada's legalization of C. sativa and products derived from its flower in 2018 triggered significant new demand for robust genotyping tools to assist breeders in meeting consumer demands. Early molecular marker-based research on C. sativa focused on screening for plant sex and chemotype, and more recent research has sought to use molecular markers to target traits of agronomic interest, to study populations and to differentiate between C. sativa cultivars. RESULTS: In this study, we have conducted whole genome sequencing of 32 cultivars, mined the sequencing data for SNPs, developed a reduced SNP genotyping panel to discriminate between sequenced cultivars, then validated the 20-SNP panel using DNA from the sequenced cultivars and tested the assays on commercially available dried flower. The assay conversion rate was higher in DNA extracted from fresh plant material than in DNA extracted from dried flower samples. However, called genotypes were internally consistent, highlighting discrepancies between genotypes detected using sequencing data and observed using genotyping assays. The primary contributions of this work are to clearly document the process used to develop minimal SNP genotyping panels, the feasibility of using such panels to differentiate between C. sativa cultivars, and outline improvements and goals for future iterations of PCR-based, minimal SNP panels to enable efficient development genotyping tools to identify and screen C. sativa cultivars. CONCLUSIONS: Our key recommendations are to increase sampling density to account for intra-cultivar variability; leverage higher read length paired-end short-read technology; conduct in-depth pre- and post-processing of reads, mapping, and variant calling data; integrate trait-associated loci to develop multi-purpose panels; and use iterative approaches for in vitro validation to ensure that only the most discriminant and performant SNPs are retained.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».