XiaoMi-AI文件搜索系统
World File Search Systemagron
基因组变异图谱揭示了中国花生的多样性及其与 28 种农艺性状的关联
花生 (Arachis hypogaea L.) 是一种重要的异源四倍体油料和食用豆科作物。中国是世界上最大的花生生产国和消费国之一。然而，花生在中国的迁移和分化背后的基因组变异仍不清楚。本文我们基于对 390 个花生种质的重新测序报告了全基因组变异图，表明花生可能分别被引入中国南部和北部，形成了两个栽培中心。选择性扫描分析强调了花生改良过程中两个亚基因组之间的不对称选择。来自华南地区的经典谱系为研究人工选择对花生基因组的影响提供了背景。全基因组关联研究确定了 22,309 个与 28 个农艺性状的显著关联，包括植物结构和油脂生物合成的候选基因。我们的研究结果揭示了花生在中国的迁移和多样性，并为花生改良提供了宝贵的基因组资源。
通过混合效应模型和分层聚类学习具有异质性农艺数据集的学习贝叶斯网络
玉米是一种在广阔地区，尤其是撒哈拉以南非洲，亚洲和拉丁美洲的全球种植的关键农作物，截至2021年，占地1.7亿公顷。已经设计了各种统计和机器学习模型，包括混合效应模型，随机系数模型，随机森林和深度学习体系结构，以预测玉米的产量。这些模型考虑了诸如基因型，环境，基因型 - 环境相互作用和现场管理等因素。但是，现有模型通常没有完全利用这些因素之间的因果关系的复杂网络以及农艺数据固有的层次结构。这项研究引入了一种创新的方法，将随机效应整合到贝叶斯网络（BNS）中，利用其通过定向无环形图对因果关系和概率关系进行建模的能力。植根于线性混合效应模型框架并为分层数据量身定制，这种新颖的方法表明了增强的BN学习。应用于现实世界的农艺试验，可产生一个改善解释性的模型，并揭示了新的因果关系。值得注意的是，提出的方法将玉米收益率预测的错误率从28％降低到17％。这些结果倡导BN在为层次农艺数据构建实际决策支持工具中的偏好，从而促进因果推断。
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
通过遗传和农艺创新增加晶粒硒的浓度
结果肥料类型显着影响谷物SE浓度。与在相同的N输入水平上施用的矿物肥料相比，在使用农场肥料（FYM）的肥料（FYM）中，使用农场码（FYM）的谷物SE浓度明显更高。同样，在HMC试验中，与消化沼气和矿物肥料相比，FYM和牛浆的谷物SE浓度明显更高。与常规农作物保护相比，在QLIF试验中，有机作物保护剂的谷物SE浓度明显更高。Nue-crop和HMC试验检测到了普通小麦（Triticum aestivum）和拼写（T. Spelta）的品种之间的显着差异。在整个试验中进行的相关分析确定了拼写和正相关的产量与谷物SE浓度之间的负相关性
大蒜的大规模种群结构和遗传结构
大蒜是一种无性繁殖的农作物，是洋葱后的第二个重要的鳞茎作物，被用作蔬菜和药用植物。在数千年的种植中已经形成了丰富而多样的大蒜资源。然而，基因组变异，种群结构和大蒜农艺性状的遗传结构仍未得到很好的阐明。在这里，使用从43个国家 /地区收集的606个大蒜加入中鉴定了100258个单核苷酸多态性（SNP）。种群结构，主要成分和系统发育分析表明，这些加入分为五个亚群。连续两年内实施了二十种农艺性状，包括地面生长性状，与灯泡相关和螺栓相关的特征。总共有542个SNP与这些农艺性状相关，其中188个SNP与两个以上的性状反复相关。一个SNP（CHR6：1896135972）反复与十个特征有关。这些相关的SNP位于或附近858个基因内，其中56个是转录因子。有趣的是，核糖体蛋白S5中的一个非同义词SNP（CHR4：166524085）与地上生长和与鳞茎相关的性状反复相关。此外，全基因组选择区域的基因本体富集分析在完全粘液和非螺栓固定加入之间的基因组选择区域表明，这些基因在“营养性的生殖相位过渡到生殖相位过渡”，“芽系统发展”，“芽系统发展”，“生殖过程”等中显着富集这些结果为可靠，有效地选择候选基因以实现大蒜遗传改善和优越品种提供了宝贵的信息。
利用作物基因型特异性根土相互作用来提高农学效率
1 全球农业和食品系统学院，爱丁堡大学，中洛锡安郡，英国，2 全球玉米计划，国际玉米和小麦改良中心 (CIMMYT)，津巴布韦哈拉雷，3 可持续农业食品系统，国际玉米和小麦改良中心 (CIMMYT)，津巴布韦哈拉雷，4 遗传资源计划，国际玉米和小麦改良中心 (CIMMYT)，墨西哥-韦拉克鲁斯，特斯科科，墨西哥，5 可持续农业食品系统，国际玉米和小麦改良中心 (CIMMYT)，肯尼亚内罗毕，6 全球小麦计划，国际玉米和小麦改良中心 (CIMMYT)，墨西哥-韦拉克鲁斯，特斯科科，墨西哥，7 捐助者关系，国际玉米和小麦改良中心 (CIMMYT)，墨西哥-韦拉克鲁斯，特斯科科，墨西哥，8 生态科学，詹姆斯·赫顿研究所，阿伯丁，美国英国，9 全球玉米计划，国际玉米和小麦改良中心（CIMMYT），肯尼亚内罗毕
植物和土壤微生物对农艺实践的不同反应模式和洪泛区生态系统中的季节变化
结果：我们确定了植物和微生物群落的不同反应机制，以添加氮肥和草甘膦以及季节性变化。氮肥和草甘膦显着影响的植物多样性，地上和地下生物量，C和N含量以及显着改变了主要植物的叶片面积和植物身材。但是，氮肥和草甘膦的添加并没有显着影响细菌，真菌和原生物群落的多样性和结构。氮肥的施用可以改善草甘膦对植物群落功能性状的负面影响。浮力的季节性变化显着改变了土壤的物理，化学和生物学特性。我们的结果表明，与夏季相比，秋季生态系统的土壤生态系统多功能性较低。季节性变化对植物多样性和功能性状具有重大影响。此外，季节性变化显着影响了细菌，真菌和生物的社区组成，多样性和结构。季节性变化对真菌群落组装的影响比细菌和生物学家的影响更大。在夏季，真菌群落的组装由确定性过程主导，而在秋天，它由随机过程主导。此外，细菌，真菌和生物学家之间的负相关已在秋天得到加强，并形成了一个更强大的网络来应对外部变化。
通过优良杂交组合基因组预测改善大豆关键农艺性状
大豆 [ Glycine max (L.) Merr.] 的产量和成熟度之间存在不利的相关性，这使得育种者很难创造出适应特定种植区域的高产品种。大豆品种根据其光周期敏感性分为 12 个成熟度组，而光周期敏感性主要由一些主要成熟度基因（E 基因）的等位基因变异决定（Langewisch 等人，2017 年）。尽管新大豆品种的营销是根据其光周期适应性针对特定种植区域进行的，但不利条件的出现会限制特定区域可实现的最大产量。因此，成功新品种的产量要求因种植区域而异，相同的产量在一个地区被认为非常好，但在另一个地区却被认为太低。因此，育种者必须谨慎确定他们的综合育种目标，以在所需的成熟度范围内实现尽可能高的产量。
AgroScout 在 Oracle Cloud 上提供可持续的 AI 农学
“我们转向 Oracle 是因为我们需要扩大规模并走向全球。我们需要存储，也需要云端的计算和处理来支持我们处理数千幅图像的计算机视觉算法。我们需要 AI 团队的支持，以充分利用 Oracle 平台。Oracle for Startups 为我们提供了所有这些。”