监督机器学习和基因型按特征双图作为选择植物化学丰富的Rhus coriaria基因型的有希望的方法

科学领域:

• 植物遗传学和代谢学
• 植物化学和生物信息学

背景情况:

• 木是一种有价值的药用和工业植物.
• 气候变化需要了解sumac的遗传多样性,并保护优秀的基因型.

研究的目的:

• 评估野生鱼种群的遗传多样性.
• 为了确定具有高植物化学物质含量的优质木基因型.
• 开发方法来区分优质和劣质的基因型.

主要方法:

• 来自75种树基因型的水果植物化学物质的HPLC-LC/MS-MS分析.
• ISSR (简单序列重复) 指纹的基因组DNA从75个基因型.
• 监督机器学习和特征选择算法,以将遗传标记与植物化学概况相关联.

主要成果:

• 在苏马克种群中发现了重要的遗传变异性,这些变异性涉及诸如酸等关键植物化学物质.
• 麦酸被确定为可靠的植物化学标记物,用于选 sumac 基因型.
• 确定了10种优质的基因型 (例如V6,V10,D10),具有高的植物化学物质含量.
• 鉴定出ISSR标记物,特别是 (U823) L1和 (U835) L1,是预测植物化学反应的功能标记物.

结论:

• 野生树具有显著的植物化学多样性,具有可识别的优异基因型.
• 将人工智能与基因组数据 (ISSRs) 结合起来,可以有效地全年识别高价值的子生殖质.
• 这种方法有助于保护和利用优越的遗传物质资源.