Genomic insights into the domestication and genetic basis of yield in papaya
Notice bibliographique
Résumé
Abstract Papaya (Carica papaya L.) is an important tropical and subtropical fruit crop, and understanding its genome is essential for breeding. In this study, we assembled a high-quality genome of 344.17 Mb for the newly cultivated papaya ‘Zihui’, which contains 22 250 protein-coding genes. By integrating 201 resequenced papaya genomes, we identified four distinct papaya groups and a 34 Mb genomic region with strong domestication selection signals. Within these regions, two key genes associated with papaya yield were discovered: Cp_zihui06549, encoding a leucine-rich receptor-like protein kinase, and Cp_zihui06768, encoding the accumulation of photosystem one 1 (APO1) protein. Heterologous expression of Cp_zihui06549 in tomato confirmed that the total number of fruits in transgenic lines more than doubled compared to wild-type plants, resulting in a significant yield increase. Furthermore, we constructed a pan-genome of papaya and obtained a 77.41 Mb nonreference sequence containing 1543 genes. Within this pan-genome, 2483 variable genes, we detected, including four genes annotated as the ‘terpene synthase activity’ Gene Ontology term, which were lost in cultivars during domestication. Finally, gene retention analyses were performed using gene presence and absence variation data and differentially expressed genes across various tissues and organs. This study provides valuable insights into the genes and loci associated with phenotypes and domestication processes, laying a solid foundation for future papaya breeding efforts.
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 | 0,000 | 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) | 0,001 | 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 ».