A Natural Major Module Confers the Trade‐Off between Phenotypic Mean and Plasticity of Grain Chalkiness in Rice
Notice bibliographique
Résumé
A critical challenge in crop breeding is the trade-off between improving the mean of an important trait and maintaining its phenotypic plasticity. Grain chalkiness is a key cereal grain-quality trait highly susceptible to environments. However, the genetic and molecular mechanisms controlling the trade-off between phenotypic mean and plasticity of grain chalkiness remain unknown. Here, utilizing comprehensive genome-wide association studies on ten grain chalkiness traits over five years in a mini-core collection, substantial phenotypic plasticity of grain chanlkiness is found, which declines during modern breeding. A general trade-off between phenotypic mean and plasticity of grain chalkiness is demonstrated, which are controlled by distinct genetic architectures revealed through a detailed QTL atlas. High temperature and wide grain significantly increase grain chalkiness mean but decrease its plasticity and genetic dissection, representing two major external drivers for the trade-off. Two key quantitative trait genes MPC5 and GCP6 are identified to control this trade-off. The transcription factor GCP6 biochemically and genetically inhibits MPC5 expression, forming a key module that confers the mean-plasticity trade-off of both grain chalkiness and width. Finally, minimal marker sets for molecular breeding accounted for two thirds of grain chalkiness variation. These findings elucidate the genetic architecture of the mean-plasticity trade-off in grain chalkiness and offer a proof-of-concept breeding strategy to simultaneously optimize both phenotypic mean and plasticity in crop improvement.
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 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 | 0,000 | 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 | 0,000 |
| 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 tête enseignante, 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 ».