The pangenome enhances the understanding of the genetic diversity of papaya
Notice bibliographique
Résumé
Abstract Papaya (Carica papaya L.) is a nutritionally and medicinally important tropical fruit crop, yet its genetic improvement has been limited by insufficient genomic resources. In this study, we constructed chromosome-level genomes for three key varieties (Zhufeng, T3, and T5) and integrated them with three existing assemblies to build a comprehensive pangenome, including graph-based, linear, and syntelog-based representations. The syntelog-based pangenome revealed 24 453 syntelog groups (SGs). Leveraging resequencing data from 222 accessions aligned to the graph-based pangenome, we identified 26 173 structural variations (SVs), including a functionally relevant 94-bp deletion in the RETARDED ROOT GROWTH (RRG) gene in the T3 genome. This deletion affects the expression of the RRG, resulting in a reduction in its expression level in T3. Further phenotypic analysis showed that RRG can influence papaya root length by promoting the proliferation of root meristem cells and inhibiting cell elongation. Additionally, the linear pangenome uncovered 5273 translocations and 1440 inversions, significantly expanding the known SV repertoire in papaya. This study provides a critical genomic resource for deciphering domestication-related traits and accelerating marker-assisted breeding, ultimately advancing the genetic improvement of papaya.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».