Inheritance characteristics and potential of genomic prediction for pungency levels in F<sub>1</sub> progeny of chili pepper (<i>Capsicum annuum</i>)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Pungency levels (capsaicinoid content) are critical traits influencing the quality and commercial value of chili peppers (Capsicum annuum). However, their complex inheritance patterns make controlling them challenging when crossing different progeny in current breeding programs. As a potential solution, we explored genomic prediction (GP) for crossing different progeny based solely on parental data. In this initial study, we assessed the feasibility of GP in 156 F1 accessions derived from 20 parents within 132 inbred C. annuum accessions. Capsaicinoid content (capsaicin, dihydrocapsaicin, and their total) was quantified using high-performance liquid chromatography. Inheritance analysis revealed that nearly half of the F1 accessions exhibited high-parent heterosis (F1 > higher parent), particularly in crosses between lower-pungency parents. We then performed GP for F1 accessions using 3,149 single nucleotide polymorphisms from inbred accessions. Among 11 models tested, GBLUP-GAUSS tended to show high accuracy, with predicted values showing a significant positive correlation (r = 0.770, P < 0.01) with observed capsaicinoid content (μg·gDW–1), although the involvement of heterosis in reducing accuracy was observed. These findings suggest that GP can effectively rank pungency levels among F1 progeny based solely on parental information, providing valuable insights for developing GP-based breeding strategies in chili pepper.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découle