Unveiling the heterosis pattern of modern maize breeding in Southwest China through population structure and genetic diversity analysis
Notice bibliographique
Résumé
Maize (Zea mays L.) is an important food crop throughout the world and is also one of the earliest crops to use heterosis. In this study, we evaluated the genetic diversity, population structure, and selective sweep of 100 elite inbred maize lines collected from the current breeding program in Sichuan province, Southwest China, using 5,261,175 high-quality single nucleotide polymorphisms (SNPs). We discovered an abundance of genetic diversities and classified them into four groups. By combining kinship relationships, these groups were further divided into Tropic-local A, Improved-tropic, Tropic-local B, and Improved-local. Genomic differentiation was assessed using Fst values (0.21–0.44) as well as genetic diversity (π = 6.07 × 10−4 − 6.61 × 10−4). We generated 900 (90 × 10) hybrids using 90 and 10 inbred maize lines from 100 diverse maize germplasms. All hybrids were evaluated for 10 traits in three replicate tests across two locations. We found that the patterns of G1 × G3, G1 × G4, G2 × G3, and G3 × G4 exhibited significant heterosis in yield-related traits and have been used in commercial breeding. In addition, we also explored the relationship between 10 traits of hybrid offspring and the number of heterozygous SNP. Under most heterosis modes, the best linear unbiased estimation (BLUE) value of the trait was highly consistent with the trend of deleterious SNPs, but there was a deviation in the G1 × G3 mode. Taken together, the results provide insight into the utilization of the current maize germplasm in Sichuan province to improve hybrid 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 ».