小麦QTLdb V2.0:对小麦QTL数据库的补充
Kalpana Singh1,2, Dinesh Kumar Saini3, Gautam Saripalli1,4
1Department of Genetics and Plant Breeding, Chaudhary Charan Singh University, Meerut, 250004 Uttar Pradesh India.
Molecular breeding : new strategies in plant improvement
|June 14, 2023
概括
更新的WheatQTLdb V2.0数据库现在包括八种小麦品种的定量特征位置 (QTL),为研究人员扩大其实用性. 这种全面的资源通过提供广泛的QTL数据,有助于小麦育种计划.
科学领域:
- 农业科学 农业科学
- 遗传学 遗传学 是一个
- 生物信息学是一种生物信息学.
背景情况:
- 定量特征位置 (QTL) 对于理解作物特征的遗传变异至关重要.
- 以前的小麦QTL数据库缺乏来自各种小麦物种和祖先的全面数据.
- 需要扩展数据库来支持先进的小麦研究和育种.
研究的目的:
- 开发小麦QTL数据库的更新和改进版本 (小麦QTLdb V2.0).
- 为了整合多种小麦物种的QTL数据,除了六倍体小麦 (Triticum aestivum).
- 提高数据的可访问性和可搜索性,用于研究和育种应用.
主要方法:
- 从六倍体小麦和七种相关物种收集的QTL数据的汇编:Triticum durum,T. turgidum,T. dicoccoides,T. dicoccum,T. monococcum,T. boeoticum和Aegilops tauschii.
- 包括主要效应的QTL,表皮质QTL和metaQTL.
- 开发先进的搜索和数据检索功能.
主要成果:
- 小麦QTLdb V2.0 现在包含 27,518 个主效应 QTL, 202 个表皮 QTL 和 1321 个元QTL.
- 该数据库整合了来自更广泛的小麦亲属的QTL信息.
- 增强的搜索选项允许按类别和特征选择数据.
结论:
- 小麦QTLdb V2.0代表了可用的小麦QTL信息的显著扩展.
- 该数据库是遗传研究和小麦中标记辅助选择的宝贵资源.
- 改进的数据可访问性有助于在作物改进策略中利用QTL信息.
