Genetic dissection of transpiration efficiency and shoot traits in sorghum reveals genetic loci relevant to drought tolerance
Notice bibliographique
Résumé
Sorghum serves as a critical crop for drought-prone regions. Enhancing its water use efficiency and biomass production is a key priority for sustainable agriculture, yet the genetic mechanisms underlying these traits remain poorly understood. Hence, we evaluated 284 sorghum lines under greenhouse conditions and performed SNP genotyping to identify genetic loci associated with key drought adaptive traits, including shoot transpiration efficiency (STE), shoot biomass, chlorophyll content and leaf characters. All traits showed significant variation and high heritability, indicating strong genetic control. Population structure analysis revealed five ancestral subpopulations with genetic admixture among the lines. A genome-wide association study (GWAS) using six multi-locus models identified 29 reliable markers, of which 19 were novel. Four markers were associated with shoot transpiration efficiency (STE), and genotypes ETSC17129–6–1 and ETSC17300–4–1 exhibited high STE while carrying favorable alleles at all four loci. From several pleiotropic markers identified, marker S9_57480917, linked to a GATA transcription factor implicated in stomatal regulation, showed pleiotropic effects on both transpiration efficiency and shoot dry weight, underscoring its potential role in coordinating drought-responsive traits. Additionally, shoot biomass-related markers co-localized with genes involved in energy metabolism (Phosphofructokinase) and stress signaling (SnRK2 kinase). Similarly, markers associated with chlorophyll content and leaf traits were linked to genes implicated in stress signaling and developmental pathways, including PDCD4, LEA proteins, and Cytochrome P450. These findings advance our understanding of the genetic architecture underlying drought-adaptive traits in sorghum and provide both molecular markers and promising genotypes to support genomics-assisted breeding for improved water-use efficiency and biomass productivity.
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 | 0,000 | 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) | 0,001 | 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 ».