Table_1_Identification of New Leaf Rust Resistance Loci in Wheat and Wild Relatives by Array-Based SNP Genotyping and Association Genetics.XLSX
Notice bibliographique
Résumé
<p>Leaf rust caused by Puccinia triticina is the most widespread rust disease of wheat. As pathogen populations are constantly evolving, identification of novel sources of resistance is necessary to maintain disease resistance and stay ahead of this plant-pathogen evolutionary arms race. The wild genepool of wheat is a rich source of genetic diversity, accounting for 44% of the Lr genes identified. Here we performed a genome-wide association study (GWAS) on a diverse germplasm of 385 accessions, including 27 different Triticum and Aegilops species. Genetic characterization using the wheat 90 K array and subsequent filtering identified a set of 20,501 single nucleotide polymorphic (SNP) markers. Of those, 9,570 were validated using exome capture and mapped onto the Chinese Spring reference sequence v1.0. Phylogenetic analyses illustrated four major clades, clearly separating the wild species from the T. aestivum and T. turgidum species. GWAS was conducted using eight statistical models for infection types against six leaf rust isolates and leaf rust severity rated in field trials for 3–4 years at 2–3 locations in Canada. Functional annotation of genes containing significant quantitative trait nucleotides (QTNs) identified 96 disease-related loci associated with leaf rust resistance. A total of 21 QTNs were in haplotype blocks or within flanking markers of at least 16 known Lr genes. The remaining significant QTNs were considered loci that putatively harbor new Lr resistance genes. Isolation of these candidate genes will contribute to the elucidation of their role in leaf rust resistance and promote their usefulness in marker-assisted selection and introgression.</p>
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 | 0,000 | 0,001 |
| 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) | 0,014 | 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 ».