XiaoMi-AI文件搜索系统
World File Search SystemLoci
全基因组对定量性状基因座的检测和候选基因对早期大豆中种子糖组成的预测
摘要：种子糖成分，主要包括果糖，葡萄糖，蔗糖，raf鼻和stachyose，是大豆[甘氨酸Max（L.）Merr。]种子质量。但是，对大豆糖成分的研究是有限的。为了更好地了解大豆种子中糖成分的遗传结构，我们使用了323个大豆种质添加剂的种群进行了全基因组关联研究（GWAS），这些研究在三种不同的环境下进行了生长和评估。在GWAS中选择并使用了总计31,245个单核苷酸多态性（SNP）≥5％（MAFS）≥5％，缺少数据≤10％。与单个糖相关的分析72定量性状基因座（QTL），与总糖相关的14个。在六个染色体的铅SNP的100 kb旋转区域内的十个候选基因与糖含量显着相关。根据GO和KEGG分类，大豆中的糖代谢涉及八个基因，并在拟南芥中显示出相似的功能。另外两个位于与糖相关的已知QTL区域中，可能在大豆的糖代谢中发挥作用。这项研究促进了我们对大豆糖组成的遗传基础的理解，并促进了控制这种特征的基因的鉴定。认同的候选基因将有助于改善大豆中的种子糖成分。
在七个环境下，在重组培养花生的重组近交系种群中，在七个环境下为数百种子重量的定量性状基因座（QTL）绘制定量性状基因座（QTL）（Arachis hypogaea L.）
摘要：耕种的花生（Arachis hypogaea L.）是全球重要的油和现金作物。一百个烟和种子的重量是花生产量的重要组成部分。在当前的研究中，为了揭开一百个pod重量（HPW）和百分子重量（HSW）的遗传基础，从JH5（JH5，大豆荚和种子重量和种子重量）之间的十字架开发了一个重组近交系（RIL）人群，并使用M130（小荚和种子重量）（小荚和种子重量），并用来识别QTLS和HPW和HPW。使用SSR，AHTE，SRAP，TRAP和SNP标记构建了一个集成的遗传链接图。该地图由3130个遗传标记组成，分配给20个染色体，并覆盖1998.95 cm，平均距离为0.64 cm。在此基础上，HPW和HSW的31个QTL位于7个染色体上，每个QTL占表型方差的3.7–10.8％（PVE）。其中，在多个环境下检测到了七个QTL，并且在B04和B08上发现了两个主要的QTL。值得注意的是，染色体A08上的QTL热点在2.74 cm的遗传间隔内包含7个QTL，其中包括0.36 MB物理图，包括18个候选基因。Arahy.d52S1Z，Arahy.ibm9rl，Arahy.W18Y25，Arahy.cplc2w和Arahy.14H.14H可能在调节花生荚和种子重量中发挥作用。这些发现可以促进进一步研究培养花生中影响豆荚和种子重量的遗传机制。
定量性状基因座和候选基因的物理化学性状与大山药的块茎质量有关（Dioscorea alata L.）
遗传改进计划需要简单，快速和低成本的工具来筛选大量人群。近红外的反射光谱（NIR）已被证明是一种可靠的技术，可以预测D. alata山药物种中主要的块茎成分。9,10然而，由于光谱是由我们的样品而不是从原始样本产生的，因此该协议需要长时间的样本处理时间，并且仍然很难适用于大量基因型。标记辅助选择可能是促进育种工作的高通量方法。的确，随着新一代测序技术的发展，搜索与互动特征相关的基因组区域变得更加容易。已经对山药进行了一些研究，以阐明块茎质量相关特征的遗传决定论。通过在两个双阶层种群上使用定量性状基因座（QTL）映射方法，已经确定了与重要形态和农艺块茎质量性状相关的几个基因组区域。11在包括八种不同的二若氏种类（包括八种不同的二维体物种）上估算了DMC的遗传力。12在D. alata中进行了全基因组关联研究，可以鉴定与与DMC相关的一些单核苷酸多态性（SNP）标记。13
对抗抑郁药的无反应的全基因组荟萃分析鉴定出新的基因座和潜在药物Elise Koch（PhD）1，*，TuuliJürgenson（PHD）2
对抗抑郁药的无反应的全基因组荟萃分析鉴定了新的基因座和潜在药物Elise Koch（PhD）1，*，TuuliJürgenson（PhD）2，GuðmundurEinarsson（Phd）3 , Kristi Krebs (PhD) 2 , Yuhao Lin (BSc) 7 , Ying Xiong (MSc) 5 , Estonian Biobank Research Team 8,# , Yi Lu (PhD) 5 , Sara Hägg (PhD) 5 , Miguel E. Rentería (PhD) 4 , Sarah E. Medland (PhD) 4 , Naomi R. Wray (PhD) 4 , Nicholas G. Martin (PhD) 4 ，克里斯托弗·胡贝尔（MD，博士）7,9，Gerome Breen（博士学位）7，Thorgeir Thorgeirsson（博士学位）3，HreinnStefánsson（博士学位）3，KáriStefánsson（KáriStefánsson）（MD，MD，MD，PhD）3,10 Lili Milani（PhD） Kevin S. O'Connell（PhD）1，* 1。精神病学精神病学中心，奥斯陆大学医院心理健康与成瘾司和挪威奥斯陆奥斯陆大学临床医学研究所。2。爱沙尼亚基因组中心，基因组学研究所，塔尔图大学，爱沙尼亚。3。冰岛雷克雅未克的遗传学/安尔根。4。大脑与心理健康计划，QIMR Berghofer医学研究所，澳大利亚昆士兰州布里斯班5。医学流行病学和生物统计学系，瑞典Karolinska Institutet 6。生物医学科学学院，昆士兰州大学医学院，澳大利亚昆士兰州布里斯班大学7。精神病学研究所，心理学与神经科学研究所；社会，遗传和发展精神病学中心；伦敦国王学院，英国伦敦。8。爱沙尼亚基因组中心，基因组学研究所，塔尔图大学，爱沙尼亚。9。10。12。国家基于登记册的研究中心，AARHUS商业与社会科学，丹麦AARHUS的AARHUS大学。冰岛冰岛大学卫生科学学院医学院，冰岛雷克雅未克11. 遗传学和个性化医学诊所，塔尔图大学医院，爱沙尼亚。 kg杰布森神经发育障碍中心，奥斯陆大学和奥斯陆大学医院，奥斯陆，挪威 *相应的作者：Elise Koch（E.M.Koch@medisin.uio.no）或Ole.andreassen（Ole.andreassen@medisin.uio.no）或Keconn.uio.no） （K.S.oconnell@medisin.uio.no）Kirkeveien 166，0450 OSLO，挪威冰岛冰岛大学卫生科学学院医学院，冰岛雷克雅未克11.遗传学和个性化医学诊所，塔尔图大学医院，爱沙尼亚。 kg杰布森神经发育障碍中心，奥斯陆大学和奥斯陆大学医院，奥斯陆，挪威 *相应的作者：Elise Koch（E.M.Koch@medisin.uio.no）或Ole.andreassen（Ole.andreassen@medisin.uio.no）或Keconn.uio.no） （K.S.oconnell@medisin.uio.no）Kirkeveien 166，0450 OSLO，挪威遗传学和个性化医学诊所，塔尔图大学医院，爱沙尼亚。kg杰布森神经发育障碍中心，奥斯陆大学和奥斯陆大学医院，奥斯陆，挪威 *相应的作者：Elise Koch（E.M.Koch@medisin.uio.no）或Ole.andreassen（Ole.andreassen@medisin.uio.no）或Keconn.uio.no） （K.S.oconnell@medisin.uio.no）Kirkeveien 166，0450 OSLO，挪威
来自种间甘蓝rapa衍生物的新型定量性状基因座改善了甘蓝纳普斯napus
POD破碎是农业相关性的一种特征，可确保植物在其本地环境中取代种子，并在几种宽阔的农作物中受到了驯化和选择的驯化和选择。然而，豆荚破碎会导致菜籽（甘蓝纳普斯L.）作物的显着屈服降低。衍生自B. rapa/b的种间繁殖线BC95042。Napus Cross表现出改善的POD破碎阻力（比易碎的B. Napus品种高达12倍）。为了揭示新品种中的遗传基础并改善了POD破碎的耐药性，我们分析了F 2和F 2：3衍生的种群，来自BC95042和Advanced Breeding系列的交叉，BC95041，并用15,498 Dartseq标记的基因分型。通过基因组扫描，间隔和包容性的复合间隔映射分析，我们确定了与POD破裂能量相关的七个定量性状基因座（QTL），用于POD破碎的抗性或POD强度的度量，并且它们位于A02，A02，A03，A03，A05，A09，A09，A09和C01 Chromosomes上。两种亲本线都为豆荚碎片抗性贡献了等位基因。我们确定了添加剂X添加剂，添加性优势和优势X优势X在A01/C01，A01/C01，A03/A07，A07/C03，A03，A03/C03和C01/C02染色体之间的相互作用之间的五对X添加剂，添加剂优势和优势X优势相互作用。QTL对A03/ A07和A01/ C01的影响处于排斥阶段。比较映射确定了几种候选基因（AG，ABI3，BP1，CEL6，FIL，FIL，FUL，GA2OX2，IND，LATE，LEUNIG，MAGL15，RPL，QRT2，RGA，RGA，SPT，SPT和TCP10），基于QTL和QTL的QTL和上毒QTL相互作用，以实现pod shatter pod shatter shatter shatter shatter shatter shatter shatter shatters。BNAA09G05500D受到在A02，A03和A09上检测到的三个QTL靠近（富有成果的）同源物BNAA03G39820D和BNAAA09G05500D。着眼于FUL，我们研究了推定的图案，序列变体和其同源物的进化速率，373个重新设备的B. napus napus感兴趣。
使用深度学习的建模胰岛增强剂可以确定与T2D和血糖性状相关的基因座的候选因果变异。
遗传关联研究已经确定了数百个与2型糖尿病（T2D）和相关性状相关的独立信号。尽管取得了这些成功，但鉴定遗传关联信号基础的特定因果变异仍然具有挑战性。在这项研究中，我们描述了一种深度学习（DL）方法，以分析序列变体对增强子的影响。专注于胰岛（T2D相关组织），我们表明我们的模型学习了胰岛特异性转录因子（TF）调节模式，可用于优先考虑候选因果变体。在与T2D和相关血糖性状相关的101个遗传信号中，在链接不平衡中发生多种变体，我们的方法提名每个关联信号的单个因果变体，包括先前显示的三种变体在胰岛含量与含量的细胞类型中改变了报告基因的活性。对于与血糖水平相关的另一个信号，我们使用胰岛β细胞系中的统计细胞映射测试所有候选因果变异，并显示出对模型定位变体TF结合的等位基因影响的生化证据。为了帮助未来的研究，我们公开分发了约6700万个遗传变异的模型和胰岛增强子扰动分数。我们预计，本研究中提出的DL方法将增强候选因果变异的优先级，用于功能研究。
表征大型的热机械特性
大型添加剂制造（LFAM）是一种制造技术，其中大量的材料以逐层的方式挤出，以形成通常规模几米的结构。Loci One系统是由Loci Robotics，Inc。操作的LFAM型系统，该系统具有安装在6轴机器人臂上的高吞吐量挤出机。这项研究使用loci One系统用重量碳纤维增强的丙烯腈丁二烯苯乙烯（CF-ABS）以各种层沉积方法，打印速度，图层时间和珠子宽度来打印20％的单珠壁。测量印刷结构的热膨胀（CTE）的系数，以量化印刷条件对热机械性能的影响。使用大型数字图像相关系统测量LFAM打印墙的CTE，以表征X-（打印方向）和Z-（在层之间）方向上纤维增强复合材料的失真。这项研究确定，使用不同的打印参数，在X方向上测量的CTE在很大程度上受珠几何形状的影响，而在z方向上测得的CTE相对不受变化参数或层沉积发生层沉积的方法的影响。
脑疾病和血小板特征的多特征关联分析确定了重大抑郁症，阿尔茨海默氏症和帕金森氏病的新型易感位点
摘要：在候选神经退行性/神经精神上的风险预测生物标志物中，血小板计数，平均血小板体积和血小板分布宽度与重大抑郁症（MDD），阿尔茨海默氏病（AD）和帕金森氏病（PD）和基因学研究的风险有关。我们使用上述所有特征的全基因组关联研究（GWASS）的公开摘要统计数据来利用这些统治进行多特征关联分析。进行了基于基因的富集测试，以及对显着富集基因的网络分析。我们分析了分析的GWASS中共有的4,540,326个单核苷酸多态性，观察到149个全基因组的多特征LD独立关联（P <5×10-8）的AD，PD的PD和139的MDD。在其中，AD检测到27个新型关联，PD检测到34个，MDD检测到40个。在±10 kb以内的带注释变体的18,781个基因中，有62个基因富含与AD的关联，70与PD和125个与MDD的关联（P <2.7×10-6）。，七个基因是AD（EPPK1，TTLL1，PACSIN2，TPM4，PIF1，PIF1，ZNF689，AZGP1P1）的新敏感性基因座，PD（SLC26A1，EFNA3）和两个用于MDD（HSPH1，TRMTMT6611A）。所得网络显示出显着的相互作用过量（富集p = 1.0×10-16）。被鉴定出的新基因参与了细胞骨架结构的组织（EPPK1，TTLL1，PACSIN2，TPM4），端粒缩短（PIF1），调节细胞老化，“ ZNF689，ZNF689，AZGP1P1）和NEUREDISTION INSINGE INSTIST INSTIST INSIGTION（eFREDINES INSTIDER INSIGTION（EFRESITION）（EFRESITCTIONT（EFRESITION）（EFLENNA3），EFLENNA3），EFRESIGHT（EFRESIGHT），EFRESIGHT（EFLENA3），，eflyna3）疾病和血小板参数。
定量性状基因座和候选基因，这些基因控制着大豆“ Forrest”中的种子糖含量，由“ Williams 82”重组近交系数
1伊利诺伊州南部伊利诺伊大学农业科学学院，美国伊利诺伊州卡本代尔，伊利诺伊州62901； dounya.knizia@siu.edu（d.k.）; naoufal.lakhssassi@siu.edu（N.L.）; erdem.anil@siu.edu（E.A.）; mohamed.embaby@siu.edu（M.E.）; meksem@siu.edu（k.m.）2 USDA，美国农业研究服务部，农作物研究部，美国MS 38776，实验站路141号； nacer.bellaloui@usda.gov 3植物基因组学和生物技术实验室，生物学和法医学系，费耶特维尔州立大学，美国北卡罗来纳州28301，Fayetteville State University； jyuan@uncfsu.edu 4美国密苏里州密苏里大学植物科学技术部，美国密苏里州65211； vuongt@missouri.edu（t.v.）; nguyenhenry@missouri.edu（H.T.N。）5 USDA，农业研究服务，作物遗传学研究部门，605 Airways Blvd，Jackson，TN 38301，美国； alemu.mengistu@usda.gov *通信：mkassem@uncfsu.edu
多环境协会的研究突出了一个新颖的全球辣椒核心收集
1 INRAE, GAFL, Montfavet, France, 2 INRAE, A2M, Montfavet, France, 3 Department of Agricultural, Forest and Food Sciences (DISAFA), Plant Genetics, University of Torino, Grugliasco, Italy, 4 Plant Breeding, Wageningen University and Research (WUR), Wageningen, The Netherlands, 5 Research Centre for Vegetable and Ornamental Crops,意大利Pontecagnano Faiano农业研究和经济学委员会，6 Bati Akdeniz农业研究所6 Shanhua, Taiwan, 9 Leibniz Institute of Plant Genetics and Crop Plant Research (IPK), Seeland,Corre, Gatersleben, Germany, 10 Department of Crop Sciences, Center for Integrated Breeding Research, Georg-August-University, G ¨ ottingen, Germany, 11 Casaccia Research Centre, Italian National Agency for New Technologies, Energy, and Sustainable Economic Development (ENEA),罗马，意大利