Harnessing Genetic Diversity for Wheat Improvement Using Exotic Germplasm
Notice bibliographique
Résumé
Wheat ( Triticum aestivum L.) is one of the most important staple crops globally, providing a significant portion of the daily caloric intake for millions of people. The primary goal of this study is to harness the genetic diversity present in exotic germplasm to improve wheat varieties. This involves identifying and mobilizing useful genetic variations from germplasm banks into breeding programs to enhance traits such as drought and heat tolerance, yield, and overall adaptability to changing environmental conditions. The study revealed significant genetic diversity in synthetic hexaploids, landraces, and elite wheat varieties. Notably, thousands of new SNP variations were discovered in landraces adapted to drought and heat stress environments, which can be utilized to enrich elite germplasm with novel alleles for these traits. The use of non-denaturing fluorescence in situ hybridization (ND-FISH) allowed for the identification of chromosomal polymorphisms and genetic diversity among various wheat lines, providing cytological information for the rational utilization of wheat germplasm resources. Additionally, the introgression of Aegilops tauschii genome into wheat was shown to enrich the wheat germplasm pool, offering new genetic variations for breeding. The study also highlighted the potential of wild emmer wheat diversity to improve wheat adaptation to heat stress through the identification of quantitative trait loci associated with heat tolerance. The findings underscore the importance of utilizing exotic germplasm to broaden the genetic base of wheat breeding programs. By integrating novel alleles from diverse germplasm sources, it is possible to develop high-yielding, stress-tolerant wheat varieties that can better withstand the challenges posed by climate change. This approach promises to enhance the resilience and productivity of wheat, ensuring food security in the face of global environmental changes.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».