Integration of BSA-seq and high-resolution mapping reveals genomic regions and candidate genes controlling seed oil accumulation in peanut (Arachis hypogaea L.)
Notice bibliographique
Résumé
Abstract Increasing seed oil content (SOC) is a primary objective in peanut (Arachis hypogaea L.) breeding, meeting the rising global demand for edible oil. Quantitative trait loci (QTL) mapping can help to identify genes underlying SOC variation and develop markers to enhance selection efficiency by marker-assisted breeding. In the present study, three major and stable QTL for SOC were identified on peanut chromosome Arahy.08, using a bulked segregant analysis (BSA) approach based on whole-genome sequencing of F8 recombinant inbred lines (RILs). The QTL qSOCA08-1, explaining 11.41-20.97% of phenotypic variation, was mapped on a 0.65 Mb genomic region. The QTL qSOCA08-2, accounting 25.57-39.40% of phenotypic variation, was located on a 1.04 Mb physical interval. Finally, qSOCA08-3 explaining up to 17.31% of the phenotypic variation, was mapped in a genomic region of 1.02 Mb. The genetic effects of these three QTL were assessed using near‑isogenic lines (NILs), derived from residual heterozygous individuals, and a tetraploid peanut germplasm panel. Potential candidate genes within the physical intervals of corresponding major QTL were predicted to participate in the oil biosynthesis in peanut. In summary, our study provides valuable genetic resources and tightly linked molecular markers for peanut molecular breeding aimed at improving SOC.
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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».