Aller au contenu principal
Accès ouvert déclaré 2026 dataset

GWAS_Unfolding_p279_PechRouge_2024.Rmd

0Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : fr. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

R Markdown script of the GWAS analysis for leaf unfolding. Three types of GWAS were performed: - An SNP-by-SNP model implemented in R/MM4LMM version 2.1.0 (Laporte et al., 2022) based on a linear mixed model was used to test the significance of the effect of each SNP, - A multi-locus mixed model MLMM (Segura et al., 2012), which jointly analyses all SNPs to handle LD while selecting a subset of SNPs with a stepwise regression procedure,) - A SNP selection in a Bayesian setting (Flutre et al., 2022) fitted with the variational algorithm implemented in R/varbvs version 2.5.7 (Carbonetto & Stephens, 2012).

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

La source scientifique ouverte est momentanément indisponible.

Les institutions déclarées

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.