Identification of Drought-Responsive QTLs in Triticeae under Field Conditions
Notice bibliographique
Résumé
Drought stress represents a significant constraint on Triticeae crop productivity, particularly affecting wheat, barley, and rye in semi-arid regions. In this review, we systematically examine field-validated quantitative trait loci (QTLs) that are associated with drought-responsive traits in Triticeae, emphasizing their relevance to breeding programs. We begin by addressing the agricultural impact of drought stress and the limitations of controlled-environment studies compared to field-based evaluations. We then explore the methodologies used for QTL mapping under field conditions, including phenotyping strategies, statistical models, and the challenges posed by environmental heterogeneity. The review identifies key drought-responsive QTLs linked to traits such as root architecture, water-use efficiency, stay-green, canopy temperature, and grain yield components. A detailed case study on wheat highlights successful QTL discovery, validation across genetic backgrounds, and integration into elite lines via marker-assisted selection. Furthermore, we discuss how genomic resources such as high-density SNP arrays, GWAS, and transcriptomic tools are enhancing the precision of QTL identification. Looking ahead, we outline the promise of genomic selection, gene editing, and participatory breeding in accelerating the development of drought-resilient culTriticeae tivars. This study underscores the importance of multidisciplinary approaches and real-world validation in translating QTL research into sustainable agricultural outcomes under climate variability.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».