Pyramiding of Genes/QTL for Resistance Against Three Rusts, High Grain Protein Content and Pre‐Harvest Sprouting Tolerance in Wheat ( <scp> <i>Triticum aestivum</i> </scp> L.) Using Marker‐Assisted Selection
Notice bibliographique
Résumé
ABSTRACT In bread wheat, marker‐assisted selection (MAS) was employed, utilizing two parental lines that were previously developed by us through a combination of MAS and phenotypic selection. These parents carried improved rust resistance and some grain quality traits. SSR, SCAR and SNP markers (KASP assay) were used for 10 genes and also for a QTL for pre‐harvest sprouting tolerance (PHST); foreground MAS was exercised in F 2 , F 3 and F 4 generations leading to production of 15 improved lines. Eleven of these lines each carried the following (1) nine genes for resistance to the three rusts ( Lr19/Sr25 + Lr34/Yr18/Sr57 + Yr10 + Lr24/Sr24 + Yr36 ), (ii) a gene for high GPC ( Gpc‐B1 ) and (iii) a QTL for tolerance to PHS ( Qphs.dpivic‐4A.2 ) associated with amber grain colour. However, each of the remaining four lines possessed all the above genes/QTL, except Yr10 . Under artificial epiphytotic conditions, the improved lines were tested against 15 different pathotypes of the three rusts and were found to be resistant against all the pathotypes, barring some pathotypes for stripe rust resulting into moderate resistance in the four lines which lacked Yr10 . A set of F 7:8 lines containing targeted genes for all these traits in homozygous condition were selected and evaluated in replicated trials. Following field‐based phenotypic selection and marker profiling in F 9 generation, five lines with high grain yield and grain protein content were selected. These lines carried all the 10 targeted genes and a QTL for PHS tolerance except that three of these lines lacked Yr10 gene. The selected lines have the potential for use in the development of new wheat cultivars or else as useful pre‐bred lines.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,000 |
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 ».