Phylogenetic Analysis and Machine Learning Identify Signatures of Selection and Predict Deleterious Mutations in Common Bean
Notice bibliographique
Résumé
Abstract Mutations are continuous source of new alleles and genetic diversity in populations. Domestication and selection influence the accumulation of alleles occurring across a range of deleteriousness. Evidence suggests that mildly deleterious mutations (DelMut) can be purged out of breeding populations, increasing favorable allele accumulation. We used phylogeny-based analyses among 36 legume genomes to identify selection signatures and predict DelMut in common bean. We also developed a multiparent advanced generation intercrossed (MAGIC) population of black beans to characterize DelMut. Genes involved in nitrogen metabolism showed signs of positive selection in the Middle American genome, whereas genes related to phosphorylation were positively selected in the Andean genome. By combining conservation and protein information with machine learning (ML) for high-dimensional feature analysis, we characterized 82,442 sites in the MAGIC founders (36,558 polymorphic) and 4,753 sites evenly sequenced among RILs that could be potentially deleterious. Variation in the number of highly DelMut (high predicted deleterious scores) among lines was observed and later correlated with agronomic traits. Phenotypic analyses showed that calculated genetic load (and number of highly DelMut) was negatively correlated with flowering time, maturity, and yield. A detailed in-silico analysis of predicted mutations showed presence in highly conserved protein regions, which is likely to affect protein functionality. Our results show that variation in genetic load can be observed in breeding populations and potentially impact plant performance. These results contribute to understanding the genome-wide accumulation patterns of DelMut in breeding populations. Our study supports future development of strategies to reduce genetic load in promising germplasm and accelerate breeding programs. Key messages - Genome-wide highly deleterious mutations were predicted in conserved protein domains potentially affecting protein functionality. - Variation in the genetic load and number of highly deleterious mutations can be observed in artificial breeding populations. - Nitrogen- and phosphorous-related genes are under positive selection in Middle American and Andean beans respectively.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| 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 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 ».