logo móvil
Contáctanos

Uso de Mapeo de Locus de Rasgos Cuantitativos y Recursos Genómicos para Mejorar la Precisión de la Cría en Duraznos: Perspectivas Actuales y Futuras

Autores: Hayat, Umar; Ke, Cao; Wang, Lirong; Zhu, Gengrui; Fang, Weichao; Wang, Xinwei; Chen, Changwen; Li, Yong; Wu, Jinlong

Idioma: Inglés

Editor: MDPI

Año: 2025

Descargar PDF

Acceso abierto

Artículo científico
2025

Uso de Mapeo de Locus de Rasgos Cuantitativos y Recursos Genómicos para Mejorar la Precisión de la Cría en Duraznos: Perspectivas Actuales y Futuras


Categoría

Ciencias Agrícolas y Biológicas

Subcategoría

Botánica

Palabras clave

Tecnologías de reproducción
Mapeo de loci de rasgos cuantitativos
Edición del genoma
Selección genómica
Selección asistida por marcadores
CRISPR/Cas9

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 8

Citaciones: Sin citaciones


Descripción
Las tecnologías modernas de reproducción y el desarrollo de la cartografía de loci de rasgos cuantitativos (QTL) han dado lugar a una nueva era en la cría de duraznos. Este estudio examina la compleja estructura genética que subyace a la morfología de los frutos de durazno, prestando especial atención a la interacción entre la edición del genoma, la selección genómica y la selección asistida por marcadores. Los criadores ahora tienen acceso a herramientas precisas que mejoran la resiliencia, productividad y calidad de los cultivos, facilitadas por la cartografía de QTL, que ha avanzado significativamente nuestra comprensión de los determinantes genéticos subyacentes a rasgos esenciales como la forma, el tamaño y la firmeza de la fruta. Nuevas tecnologías como CRISPR/Cas9 y la selección genómica permiten el desarrollo de cultivares que pueden resistir el cambio climático y satisfacer las demandas de los consumidores con una precisión sin precedentes en la modificación de rasgos. Las interacciones genotipo-ambiente siguen siendo un desafío crítico para los esfuerzos de cría moderna, que pueden abordarse a través de la fenotipificación de alto rendimiento y ensayos en múltiples entornos. Este trabajo muestra cómo la combinación de estudios de asociación a nivel del genoma y el aprendizaje automático puede mejorar la síntesis de datos multi-ómicos y resultar en ciclos de cría más rápidos mientras se preserva la diversidad genética. Este estudio esboza una hoja de ruta que prioriza el desarrollo de cultivares superiores utilizando métodos y tecnologías de vanguardia para abordar los desafíos agrícolas y ambientales en evolución.

Otros recursos que podrían interesarte

Temas Virtualpro