XiaoMi-AI文件搜索系统
World File Search System种质
香蕉种质资源收集高密度标记数字目录
Aubry, S. (2019)。食品和农业植物遗传资源数字序列信息的未来。植物科学前沿，10，1046。https://doi.org/10.3389/fpls.2019.01046 Baurens, F.-C.、Martin, G.、Hervouet, C.、Salmon, F.、Yohomé, D.、Ricci, S.、Rouard, M.、Habas, R.、Lemainque, A.、Yahiaoui, N. 和 D'Hont, A. (2019)。重组和大型结构变异塑造了种间食用香蕉基因组。分子生物学与进化，36，97–111。 https://doi.org/10.1093/molbev/msy199 Carpentier, SC、Dens, K.、den Houwe, IV、Swennen, R. 和 Panis, B. (2007)。冻干是一种在蛋白质提取进行 2DE 分析之前储存和运输组织的实用方法吗？蛋白质组学，7，64-69。 https://doi.org/10.1002/pmic.200700529 Cenci, A.、Hueber, Y.、Zorrilla-Fontanesi, Y.、van Wesemael, J.、Kissel, E.、Gislard, M.、Sardos, J.、Swennen, R.、Roux, N.、Carpentier, SC 和 Rouard, M. (2019)。古多倍体和异源多倍体对香蕉基因表达的影响。 BMC Genomics , 20 , 244, https://doi. org/10.1186/s12864-019-5618-0 Cenci, A., Sardos, J., Hueber, Y., Martin, G., Breton, C., Roux, N., Swennen, R., Carpentier, SC, & Rouard, M. (2020). 揭秘 ABB 异源三倍体香蕉中基因组间重组的复杂故事。《植物学年鉴》, 127 , 7–20。 https://doi.org/10.1093/aob/ mcaa032 D'Hont, A.、Denoeud, F.、Aury, J.-M.、Baaurens, F.-C.、Carreel, F.、Garsmeur, O.、Noel, B.、Bocs, S.、Droc, G.、Rouard, M.、Da Silva, C.、Jabbari, K.、Cardi, C.、Poulain, J.、Souquet, M.、Labadie, K.、Jourda, C.、Lengellé, J.、Rodier-Goud, M.、……Wincker, P. (2012)。香蕉（Musa acuminata）基因组和单子叶植物的进化。 Nature , 488 , 213. https://doi.org/10.1038/nature11241 Davey, JW, Davey, JL, Blaxter, ML, & Blaxter, MW (2010). RADSeq：下一代群体遗传学。Briefingings in Functional Genomics , 9 , 416–423. https://doi.org/10.1093/bfgp/elq031 Droc, G.、Lariviere, D.、Guignon, V.、Yahiaoui, N.、This, D.、Garsmeur, O.、Dereeper, A.、Hamelin, C.、Argout, X.、Dufayard, J.-F.、Lengelle, J.、Baaurens, F.-C., Cenci, A.、Pitollat, B.、D'Hont, A.、Ruiz, M.、Rouard, M.,
Panomics符合种质
逐级基因分型的摘要已经实现了基因组选择的方法，以提高产量，抗压力和营养价值。越来越多的资源研究正在新兴的资源研究提供1000种和更多的基因型和数百万个SNP，用于涵盖迄今无法访问的遗传遗传变异的一种物种。数据库增长越大，可以使用更好的基因组选择统计方法。但是，对统计学有明显的局限性，但也存在生物学部分。遗传内遗传变异能够解释很大比例的表型，但是表型可塑性的很大一部分也源于环境驱动的转录，转录后，翻译，翻译后，表观遗传和代谢调节。此外，对同一基因的调节可以在不同环境中具有不同的表型输出。因此，要根据可用的基因型变异来解释和理解与环境有关的表型可塑性，我们必须整合进一步的分子水平的分析，反映了从基因到代谢到表型的完整信息流。有趣的是，代谢组学平台已经比NGS平台更具成本效益，并且对于预测营养价值或压力抗性的性能是决定性的。在这里，我们建议在绿色系统生物学框架的未来繁殖策略中提出三个基本支柱：（i）将基因组选择与环境依赖性的综合学分析和深度学习相结合，以提高标志性特征性能的预测准确性； （ii）子内，细胞和亚细胞水平的摇元分辨率提供了有关选定标记的基本功能的信息； （iii）将杂种与基因组编辑和速度育种工具相结合，以加速和增强特征精度育种的大规模功能验证。