Advancements in lentil breeding: harnessing molecular markers and omics approaches for resistance to biotic and abiotic stresses
Notice bibliographique
Résumé
Lentil (Lens culinaris Medik.), an essential cool-season legume crop, is widely cultivated in southern Asia as a sole winter crop following the rice harvest. It is highly valued for its rich nutritional profile, including abundant protein, folic acid, iron, and zinc. However, lentil production is severely threatened by various abiotic and biotic stresses. Key abiotic stresses include heat, drought, salinity, heavy metal toxicity, and iron deficiency. In contrast, biotic stresses comprise anthracnose, ascochyta blight, sclerotinia white mold, fusarium wilt, rust, and various viral, bacterial, and nematode diseases. To combat these challenges, plant breeders and geneticists have focused on identifying resistant germplasm, deciphering the genetic basis of resistance, and mapping associated resistance genes. Significant progress in lentil genomics, with efforts to establish a unified genetic map, has significantly enhanced breeding strategies. Presently, molecular breeding, specifically targeting anthracnose and ascochyta blight in Australia and Canada, has yielded promising results. Furthermore, the advent of molecular markers and genomics has revolutionized lentil breeding, enabling the precise development of disease-resistant and climate-resilient lentil varieties through marker-assisted selection. In addition, the integration of omics tools, such as genomics, transcriptomics, proteomics, and metabolomics, has provided deeper insights into the complex biological pathways underlying stress tolerance. These technologies allow for more comprehensive identification of candidate genes and biomarkers, further advancing lentil breeding efforts. This review highlights the integration of traditional and innovative breeding techniques to address emerging challenges, particularly in the context of climate change. By combining ancestral knowledge with modern molecular breeding tools, researchers are making substantial progress in developing robust lentil varieties with improved resistance to abiotic and biotic stresses.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».