Inheritance characteristics and potential of genomic prediction for pungency levels in F<sub>1</sub> progeny of chili pepper (<i>Capsicum annuum</i>)
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.
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 | 0,001 |
| 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 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 ».