MétaCan
Menu
Retour à la cohorte
Enregistrement W4415566901 · doi:10.1071/cp24350

Advancements in lentil breeding: harnessing molecular markers and omics approaches for resistance to biotic and abiotic stresses

2025· article· en· W4415566901 sur OpenAlex
Mehmet Zahit Yeken, Mehmet Tekin, Amjad Ali, Muhammad Tanveer Altaf, Ali Çeli̇k, Meliha Feryal Sarıkaya, Ahmet Çat, Ebubekir Yüksel, Esengül Erdem, Fawad Ali, Muhammad Ilyas, Muhammad Aasım, Kağan Kökten, Vahdettin Çi̇ftçi̇, Faheem Shehzad Baloch, Muhammad Azhar Nadeem

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueCrop and Pasture Science · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetic and Environmental Crop Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAscochytaContext (archaeology)Abiotic componentGenomicsMolecular breedingPlant breedingBiotic stressAbiotic stress

Résumé

récupéré en direct d'OpenAlex

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,676
Score d'incertitude au seuil0,267

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,225
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle