Breeding for Disease Resistance with Minor Genes: Case Studies and Success Stories
Notice bibliographique
Résumé
Among the established disease control strategies, host resistance plays a critical role in disease management across numerous host-pathogen systems. Research on minor genes is important to enhance disease resistance and to prolong effectiveness of major resistance (R) genes. Plant breeders often prefer to use R gene-mediated resistance due to the relatively simple means of introgressing R genes into breeding material using markers, whereas quantitative resistance (QR), though more complex to introduce, offers potentially more durable resistance. In this review, we highlight several case studies evaluating their objectives, the challenges they faced, and the progress they have made towards breeding with minor genes for QR. For blackleg (Leptosphaeria maculans) in canola (Brassica napus) and white mold (Sclerotinia sclerotiorum) in common bean (Phaseolus vulgaris), we detail the minor genes and quantitative trait loci (QTL) procedures used for their detection, general challenges when breeding with QR, and the developed germplasm sources Following this, we review notable success stories in breeding efforts for minor genes against stem rust, leaf rust, and stripe rust (Puccinia spp.) in wheat (Triticum aestivum), late leaf spot, early leaf spot, tomato and spotted wilt, and southern stem rot in peanut (Arachis hypogaea), as well as common bacterial blight in common bean. Finally, we evaluate emerging technologies and research avenues that could further accelerate progress in breeding for QR. Key advancements discussed include high-throughput phenotyping, phenomic selection, genomic selection, genome editing, traditional/classical pre-breeding, TILLING and EcoTILLING, and strategies leveraging pathogen population genetics and host-pathogen interactions.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».