Exploring Presence/Absence Variations in Barley for Agronomic Trait Improvement
Notice bibliographique
Résumé
Presence/absence variations (PAVs), a form of structural genomic variation, play a critical role in shaping phenotypic diversity in plants, including crop species like barley ( Hordeum vulgare ), which serves both as a globally important cereal crop and a model organism for genomic studies. In this review, we examined the molecular mechanisms underlying PAV formation, such as transposable element activity and large-scale deletions, and highlighted recent advances in technologies-including pangenome assemblies and high-throughput sequencing-that have enabled the comprehensive detection of PAVs. We further discussed the distribution patterns of PAVs among landraces, cultivars, and wild relatives of barley, emphasizing their evolutionary significance in domestication and adaptation. Functionally, PAVs were found to influence key agronomic traits such as disease resistance, abiotic stress tolerance, and yield-related characteristics. The integration of PAV knowledge into modern breeding programs was explored, with a focus on marker-assisted selection and pangenome-based strategies, including a case study on improving heat tolerance through PAV-informed breeding. Lastly, we considered the potential of combining PAV analysis with multi-omics data and phenotyping platforms, and the role of machine learning in modeling genotype-phenotype relationships. This study underscores the value of PAVs as a genomic resource for precision breeding and highlights future directions in expanding pangenomic datasets and developing breeder-friendly tools to facilitate their practical application.
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 | 0,000 |
| 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 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 ».