XiaoMi-AI文件搜索系统
World File Search System遗传力
遗传力，遗传进步和相关性对产量的影响
Muhammad ZUBAİR ISHAQ a , Ali HASSAN a , Sana MUNİR a , Ahmad NAEEM SHAHZAD b , Muhammad SHAHZAD ANJAM c , Muhammad ASİM BHUTTA d , Muhammad KAMRAN QURESHİ a* a Department of Plant Breeding and Genetics, Faculty of Agricultural Sciences & Technology, Bahauddin Zakariya大学，Bosan Road，60800，巴基斯坦B木尔坦B，Bahauddin Zakariya University Bosan Road，60800，Multan，Bahauddin Zakariya University Bosan Road，Bahauddin Zakariya University，Bakistan c Insitute c Morecular and Biotechnology，Bahariy Zakariy Zakariy，Bahauddin Instrogy，Bahauddin Zakariy University，60800巴基斯坦D棉花研究站，萨希瓦尔，巴基斯坦文章信息研究文章通讯作者：穆罕默德·卡姆兰·库里希什（Muhammad Kamran Qureshi）
解释混合种群中的SNP遗传力
1 EDUWELL team, Lyon Neuroscience Research Centre, INSERM U1028, CNRS UMR5292, Lyon 1 University, Lyon, France 2 Centre National de la Recherche Scientifique (CNRS) and Université de Paris, INCC UMR 8002, Paris, France, 3 Normandie Univ, UNICAEN, INSERM, U1237, NeuroPresage Team, Cyceron, 14000 CAEN，法国4040年4心理学系艺术与科学学院，范德比尔特视觉研究中心，范德比尔特大学，纳什维尔，田纳西州田纳西州37235，美国 *地址与Antoine.lutz@inserm.lutz@inserm.fr
个性化皮质网络地形的遗传力
与成年人相比，新生儿的大脑很小。在一个典型的分辨率（例如一个立方MM）上进行成像会在新生儿中比成年人在新生儿中产生更多的部分体积伪像。对新生儿脑的MRI的解释和分析是通过较高的空间分辨率可以实现的部分体积平均而有益的。不幸的是，高空间分辨率MRI的直接采集速度很慢，这增加了运动伪像的潜力，并且遭受了信噪比降低。因此，这项研究的目的是，与快速成像协议结合使用超分辨率重建，以合适的信号噪声比和更高的空间分辨率构建新生儿脑MRI图像，而不是通过直接傅立叶编码来实际获得的。，我们在6分钟成像时间的各向同性0.4 mm的空间分辨率上实现了高质量的大脑MRI，使用了从三个短持续时间扫描，具有切片选择方向可变的超分辨率重建。运动补偿是通过将三个短持续时间扫描结合在一起来实现的。我们将此技术应用于20个新生儿，并评估了我们重建的图像的质量。实验表明，我们对超分辨率重建的方法在空间分辨率和信噪比的比率方面取得了显着改善，而与直接高分辨率采集相比，与直接降低了扫描时间。实验结果表明，我们的方法允许对科学研究和临床研究进行快速和高质量的新生儿脑MRI。
小麦产量及产量相关性状的遗传变异、遗传力和遗传进步分析
《制药创新杂志》 2022；SP-11(5): 1105-1109 ISSN (E): 2277-7695 ISSN (P): 2349-8242 NAAS 评级：5.23 TPI 2022； SP-11(5): 1105-1109 © 2022 TPI www.thepharmajournal.com 收稿日期: 23-02-2022 接受日期: 31-04-2022 Pooja Khinchi 遗传学与植物育种，印度北方邦瓦拉纳西贝拿勒斯印度大学农业科学研究所 HK Jaiswa 遗传学与植物育种，印度北方邦瓦拉纳西贝拿勒斯印度大学农业科学研究所 Aarti Sharma 遗传学与植物育种，印度北方邦瓦拉纳西贝拿勒斯印度大学农业科学研究所 通讯作者 Pooja Khinchi 遗传学与植物育种，印度北方邦瓦拉纳西贝拿勒斯印度大学农业科学研究所
在大规模队列研究中使用高斯预测过程有效估计 SNP 遗传力
随着高通量遗传数据的出现，人们尝试使用线性混合模型 (LMM) 从远亲群体的全基因组 SNP 数据中估计遗传力。然而，在大型群体研究中拟合这样的 LMM 极具挑战性，因为它涉及高维线性代数运算。在本文中，我们提出了一种名为 PredLMM 的新方法，该方法近似于上述 LMM，其灵感来自遗传聚合和高斯预测过程的概念。PredLMM 的计算复杂度明显优于大多数现有的基于 LMM 的方法，因此为估计大规模群体研究中的遗传力提供了一种快速的替代方法。从理论上讲，我们表明，在遗传聚合模型下，我们近似的极限形式是著名的大高斯过程似然的预测过程近似，该近似具有完善的准确性标准。我们通过广泛的模拟研究说明了我们的方法，并用它来估计英国生物银行队列中多种数量性状的遗传性。
估计定量性状的遗传力和遗传相关性，作为印尼天然鸡选择计划的基础
摘要。天然鸡是产生新的优质和生产菌株的潜在遗传来源。需要作为选择程序的基础数据，以提高天然鸡的遗传质量。这项研究旨在估算当地印尼鸡的定量性状的遗传性和遗传相关性。所使用的材料是四种本地鸡系的杂物，杂交和相互交叉的后代：白色，卢里克，战争和兰巴内。观察到的特征是体重（BW），身体高度（BH），身体长度（BL），身体圆周（BC），机翼长度（WL），喙长（BEL），头圆周（HC），大腿 - 斜长（TSL）和大腿周长（TC）。ANOVA和ANCOVA用于根据每个笼子/笔的交配线来估计遗传力和遗传相关性。交配线显着影响了所有测得的特征（p <0.05）。BW获得了最高的遗传力（H 2 = 0.25，中等类别）。除了BEL和HC以外，BW与所有其他特征之间发现了阳性遗传相关性。总而言之，可以考虑进行早期选择，因为它具有最高的遗传力和阳性遗传相关性与其他与体型有关的特征。关键字：身体测量，Gallus fordayus（Linnaeus，1758），
遗传变异性和定量性状在...
低屈服和质量差的基因型的增长是埃塞俄比亚芝麻生产的主要限制之一。实验，以评估芝麻基因型中遗传变异和性状遗传的程度。在2018年的裁剪季节，使用简单的晶格设计评估了四十九个芝麻基因型。方差的组合分析在所有定量性状的基因型中显示出高显着的差异（p <0.01）。每植物的分支，每植物胶囊，生物量产量，收获指数，千种种子重量和细菌疫病严重程度显示出中等的表型和基因型变异系数。种子产量，生物量产量，每植物胶囊，细菌疫病的严重程度和每植物的分支显示出适中的遗传力，而遗传进步高为平均百分比。千种子体重显示出较高的遗传力，而中等遗传进展为平均百分比。收获指数显示中等的遗传力和遗传进步百分比。虽然所有其余的特征均显示出较低的遗传性，而遗传进展低为平均百分比。通常，这项研究表明了测试的芝麻基因型之间存在显着的遗传变异，以及在随后的繁殖世代中获得遗传进步的可能性。关键字：遗传进步，遗传力，芝麻（芝麻insamum l.），
遗传变异性，遗传力，遗传进步和水稻产量和产量成分之间的相关性（Oryza sativa L.）
这项研究是在2015年夏季在尼泊尔Dipayal的区域农业研究站进行的，以估算使用低地灌溉水稻的26个先进基因型的基因型和表型可变性，遗传力，遗传性，遗传进步和谷物产量和相关性状相关性。差异分析表明，天数与开花，成熟度，植物高度，圆锥花序长，千粒重量和谷物产量存在显着差异。估计开花的天数（0.88），成熟度（0.79），千粒重量（0.48）和植物高度（0.43）表明这些特征在高遗传控制下。观察到谷物产量（24.87％），谷物/圆锥花序数量（22.45％），圆锥花序数量/m 2（20.95％）和稻草产量（20.75％）的高表型变化（22.45％），而谷物产率的产量（12.02％）（12.02％）（12.02％）以及剩余的特征显示较低的基因型变量（<10％）。与基因型变异系数相比，估计的高表型变异系数显示出对性状表达的环境影响。谷物的产量（11.98）和开花天（10.32）显示出培养基，其余特征播下了低基因型前进，为平均值的百分比。高至低遗传力，具有中等至低基因型的进步，因为平均值的百分比表明这些特征受非添加剂基因的控制，因此直接选择无益。通过创建变异和选择，建议对这些基因型的产量潜力和产量特征的进一步提高。圆锥花序长度（r = 0.230），开花天（r = 0.247），有效的分ers（r = 0.488）和稻草产量（r = 0.846）表现出与谷物产量的显着正相关，表明如果选择有利于这些产率分量的选择，则可以提高产量。
