CN107267641A - 一种小麦品种遗传组成图谱的绘制方法 - Google Patents
一种小麦品种遗传组成图谱的绘制方法 Download PDFInfo
- Publication number
- CN107267641A CN107267641A CN201710625095.XA CN201710625095A CN107267641A CN 107267641 A CN107267641 A CN 107267641A CN 201710625095 A CN201710625095 A CN 201710625095A CN 107267641 A CN107267641 A CN 107267641A
- Authority
- CN
- China
- Prior art keywords
- parent
- filial generation
- wheat
- illustrative plates
- snp
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
- C12Q1/6888—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms
- C12Q1/6895—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms for plants, fungi or algae
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B45/00—ICT specially adapted for bioinformatics-related data visualisation, e.g. displaying of maps or networks
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/156—Polymorphic or mutational markers
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Health & Medical Sciences (AREA)
- Biotechnology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Organic Chemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Theoretical Computer Science (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Molecular Biology (AREA)
- Microbiology (AREA)
- Immunology (AREA)
- Mycology (AREA)
- Botany (AREA)
- Data Mining & Analysis (AREA)
- Biochemistry (AREA)
- General Engineering & Computer Science (AREA)
- Genetics & Genomics (AREA)
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种小麦品种遗传组成图谱的绘制方法,涉及农业科技、分子标记技术领域。该绘制方法,针对高通量小麦芯片(如660K、90K芯片等)分析获得的数万至数十万的SNP标记,对有明确系谱关系的小麦育种亲本和子代的遗传信息传递和分布,进行图像展示,从而达到直观展现育种亲本遗传信息在子代基因组的分布模式,包括数量(是指通过图谱可以看出大致的遗传信息传递,当父母本间贡献差异较大时,可以比较明显的看出母本或是父本贡献的遗传信息的多少)和在染色体的分布。有利于从基因组水平更好的理解小麦育种对基因组产生的影响,并为后续的小麦育种提供基因组信息参考。
Description
技术领域
本发明涉及农业科技、分子标记技术领域,尤其涉及一种小麦品种遗传组成图谱的绘制方法。
背景技术
在当前小麦基因组的相关研究中,多采用SSR或SNP分子标记,研究小麦群体的遗传多样性、不同种质材料的遗传关系、育种亲本和子代的遗传关系/遗传贡献、数量性状位点的遗传定位等。SSR标记作为第2代分子标记,其是共显性标记,曾作为主要分子标记应用于小麦群体遗传学研究中,但是SSR标记全基因组分布密度低,无法满足当前高通量基因组研究需要。SNP标记是生物基因组中普遍存在的单核苷酸多态性,具有密度高、代表性强、遗传稳定性好和自动化程度高等优点,为第3代分子标记。随着分子生物学的发展,小麦测序工作取得突破性进展,在大量测序数据积累的基础上,芯片技术得到快速发展,先后开发出小麦Illumina iSelect 9k、Illumina iSelect 90k、Affymetrix 660k和Affymetrix 55k等芯片。芯片技术已成为分析小麦遗传多样性、数量性状遗传、关联分析等研究的重要手段。在研究育种亲本和子代的遗传关系及遗传贡献方面,多采用遗传距离、遗传贡献率、遗传组成图谱等指标。子代的遗传组成图谱可以比较直观的反映出亲本的遗传信息在子代基因组的分布情况。但是当前的遗传组成图谱多采用SSR数据来构建,如GGT2.0软件。该软件是早期开发的软件,其针对的输入数据,主要基于密度较低的分子标记数据,其输入数据多为A,B,H格式或1,2,3等数字格式,无法对芯片获得的SNP数据格式有很好的兼容。由于芯片产生的数据通量大,如果再进行数据转换,将非常复杂。况且通过其公布的官方网站(http://www.plantbreeding.wur.nl),无法获取该软件。对于当前的高通量芯片分析获得的SNP标记,尚没有合适的软件用于绘制遗传组成图谱。
发明内容
本发明的目的在于提供一种小麦品种遗传组成图谱的绘制方法,从而解决现有技术中存在的前述问题。
为了实现上述目的,本发明采用的技术方案如下:
一种小麦品种遗传组成图谱的绘制方法,包括如下步骤:
S1,选择要分析的小麦育种亲本和子代,其中,亲本和子代有明确的系谱关系;
S2,获取小麦育种亲本和子代的高通量SNP标记位点;
S3,将得到的高通量SNP标记位点整理成AA,AB,BB格式的SNP分型数据;
S4,对SNP分型数据按照母本、父本、子代的类别进行整理,并将父母本及子代SNP分型数据中的缺失SNP位点剔除,分别得到用于绘制子代遗传组成图谱的母本、父本、子代的SNP分型数据;
S5,分别将S4中得到的用于绘制子代遗传组成图谱的母本、父本、子代的SNP分型数据按照1A、1B、1D……7A、7B、7D的顺序排好,并将染色体内的位点按照遗传连锁距离顺序排好;
S6,对S5中得到的母本、父本、子代的SNP分型数据形成的组合进行筛选,筛选过程中,重复的标记组合类型作为一种标记组合类型,得到所有的SNP标记组合类型;
S7,分别定义母本、父本特有等位变异的标识颜色和父母本共有等位变异的标识颜色;
S8,对于每一种标记组合类型,判断子代的遗传信息来自母本还是父本,或者是非亲本来源,并采用对应的颜色进行展示;
S9,根据S8的判断,将染色体上每一个SNP位点呈现的母本、父本、子代的标记组合类型赋予相应的颜色,并将高通量SNP位点获得的高通量的颜色组合根据标记位点遗传距离的顺序进行排列,获得某一染色体上的遗传组成图谱;
S10,对小麦基因组21条染色体逐一展示,完成小麦子代品种遗传组成图谱的绘制。
优选地,S10中,每条染色体的第一列为母本,第二列为父本,第三列为子代。
本发明的有益效果是:本发明实施例提供的小麦品种遗传组成图谱的绘制方法,针对高通量小麦芯片(如660K、90K芯片等)分析获得的数万至数十万的SNP标记,对有明确系谱关系的小麦育种亲本和子代的遗传信息传递和分布,进行图像展示,从而达到直观展现育种亲本遗传信息在子代基因组的分布模式。运用本发明提供的方法,可以绘制出具有明确系谱关系的子代的遗传组成图谱,可以直观得展示育种亲本的遗传信息在子代染色体的传递情况,包括数量(是指通过图谱可以看出大致的遗传信息传递,当父母本间贡献差异较大时,可以比较明显的看出母本或是父本贡献的遗传信息的多少)和在染色体的分布。有利于从基因组水平更好的理解小麦育种对基因组产生的影响,并为后续的小麦育种提供基因组信息参考。
附图说明
图1是排列好的母本、父本、子代的SNP分型数据的部分截图;
图2是所有的标记组合类型;
图3是小麦品种遗传组成图谱。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不用于限定本发明。
本发明提供了一种用于小麦品种遗传组成图谱的绘制方法,填补了对于当前的高通量芯片分析获得的SNP标记,尚没有合适的软件用于绘制遗传组成图谱的技术空白。
本发明实施例提供了一种小麦品种遗传组成图谱的绘制方法,包括如下步骤:
S1,选择要分析的小麦育种亲本和子代,其中,亲本和子代有明确的系谱关系;
S2,获取小麦育种亲本和子代的高通量SNP标记位点;
S3,将得到的高通量SNP标记位点整理成AA,AB,BB格式的SNP分型数据;
S4,对SNP分型数据按照母本、父本、子代的类别进行整理,并将父母本及子代SNP分型数据中的缺失SNP位点剔除,分别得到用于绘制子代遗传组成图谱的母本、父本、子代的SNP分型数据;
S5,分别将S4中得到的用于绘制子代遗传组成图谱的母本、父本、子代的SNP分型数据按照1A、1B、1D……7A、7B、7D的顺序排好,并将染色体内的位点按照遗传连锁距离顺序排好;
S6,对S5中得到的母本、父本、子代的SNP分型数据形成的组合进行筛选,筛选过程中,重复的标记组合类型作为一种标记组合类型,得到所有的SNP标记组合类型;
S7,分别定义母本、父本特有等位变异的标识颜色和父母本共有等位变异的标识颜色;
S8,对于每一种标记组合类型,判断子代的遗传信息来自母本还是父本,或者是非亲本来源,并采用对应的颜色进行展示;
S9,根据S8的判断,将染色体上每一个SNP位点呈现的母本、父本、子代的标记组合类型赋予相应的颜色,并将高通量SNP位点获得的高通量的颜色组合根据标记位点遗传距离的顺序进行排列,获得某一染色体上的遗传组成图谱;
S10,对小麦基因组21条染色体逐一展示,完成小麦子代品种遗传组成图谱的绘制。
其中,S10中,每条染色体的第一列为母本,第二列为父本,第三列为子代。
本实施例中,S5中,用于绘制子代遗传组成图谱的母本、父本、子代的SNP分型数据按照1A、1B、1D……7A、7B、7D的顺序排好,得到的部分数据截图可如图1所示。
S8中,得到的所有的标记组合类型,及其对应的颜色,可参见图2所示。
S10中,绘制的小麦品种遗传组成图谱如图3所示,本发明实施例中,为了体现用不同的颜色展示不同的组合类型,并能够通过颜色展示来直观的看出育种亲本的遗传信息在子代染色体的传递情况,使用了彩色图片,使展示效果更加直观。
从图3所示的小麦品种遗传组成图谱,可以直观得看出育种亲本的遗传信息在子代染色体的传递情况,包括数量和在染色体的分布。所以,采用本发明提供的方法绘制的小麦品种遗传组成图谱,有利于从基因组水平更好的理解小麦育种对基因组产生的影响,并为后续的小麦育种提供基因组信息参考。
通过采用本发明公开的上述技术方案,得到了如下有益的效果:本发明实施例提供的小麦品种遗传组成图谱的绘制方法,针对高通量小麦芯片(如660K、90K芯片等)分析获得的数万至数十万的SNP标记,对有明确系谱关系的小麦育种亲本和子代的遗传信息传递和分布,进行图像展示,从而达到直观展现育种亲本遗传信息在子代基因组的分布模式。运用本发明提供的方法,可以绘制出具有明确系谱关系的子代的遗传组成图谱,可以直观得展示育种亲本的遗传信息在子代染色体的传递情况,包括数量(是指通过图谱可以看出大致的遗传信息传递,当父母本间贡献差异较大时,可以比较明显的看出母本或是父本贡献的遗传信息的多少)和在染色体的分布。有利于从基因组水平更好的理解小麦育种对基因组产生的影响,并为后续的小麦育种提供基因组信息参考。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域人员应该理解的是,上述实施例提供的方法步骤的时序可根据实际情况进行适应性调整,也可根据实际情况并发进行。
上述实施例涉及的方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成,所述的程序可以存储于计算机设备可读取的存储介质中,用于执行上述各实施例方法所述的全部或部分步骤。所述计算机设备,例如:个人计算机、服务器、网络设备、智能移动终端、智能家居设备、穿戴式智能设备、车载智能设备等;所述的存储介质,例如:RAM、ROM、磁碟、磁带、光盘、闪存、U盘、移动硬盘、存储卡、记忆棒、网络服务器存储、网络云存储等。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视本发明的保护范围。
Claims (2)
1.一种小麦品种遗传组成图谱的绘制方法,其特征在于,包括如下步骤:
S1,选择要分析的小麦育种亲本和子代,其中,亲本和子代有明确的系谱关系;
S2,获取小麦育种亲本和子代的高通量SNP标记位点;
S3,将得到的高通量SNP标记位点整理成AA,AB,BB格式的SNP分型数据;
S4,对SNP分型数据按照母本、父本、子代的类别进行整理,并将父母本及子代SNP分型数据中的缺失SNP位点剔除,分别得到用于绘制子代遗传组成图谱的母本、父本、子代的SNP分型数据;
S5,分别将S4中得到的用于绘制子代遗传组成图谱的母本、父本、子代的SNP分型数据按照1A、1B、1D……7A、7B、7D的顺序排好,并将染色体内的位点按照遗传连锁距离顺序排好;
S6,对S5中得到的母本、父本、子代的SNP分型数据形成的组合进行筛选,筛选过程中,重复的标记组合类型作为一种标记组合类型,得到所有的SNP标记组合类型;
S7,分别定义母本、父本特有等位变异的标识颜色和父母本共有等位变异的标识颜色;
S8,对于每一种标记组合类型,判断子代的遗传信息来自母本还是父本,或者是非亲本来源,并采用对应的颜色进行展示;
S9,根据S8的判断,将染色体上每一个SNP位点呈现的母本、父本、子代的标记组合类型赋予相应的颜色,并将高通量SNP位点获得的高通量的颜色组合根据标记位点遗传距离的顺序进行排列,获得某一染色体上的遗传组成图谱;
S10,对小麦基因组21条染色体逐一展示,完成小麦子代品种遗传组成图谱的绘制。
2.根据权利要求1所述的小麦品种遗传组成图谱的绘制方法,其特征在于,S10中,每条染色体的第一列为母本,第二列为父本,第三列为子代。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710625095.XA CN107267641B (zh) | 2017-07-27 | 2017-07-27 | 一种小麦品种遗传组成图谱的绘制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710625095.XA CN107267641B (zh) | 2017-07-27 | 2017-07-27 | 一种小麦品种遗传组成图谱的绘制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107267641A true CN107267641A (zh) | 2017-10-20 |
CN107267641B CN107267641B (zh) | 2019-12-06 |
Family
ID=60079305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710625095.XA Active CN107267641B (zh) | 2017-07-27 | 2017-07-27 | 一种小麦品种遗传组成图谱的绘制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107267641B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112562786A (zh) * | 2020-12-24 | 2021-03-26 | 华中农业大学 | 一种基于遗传群体组装基因组的方法、装置及存储介质 |
CN113718052A (zh) * | 2021-09-01 | 2021-11-30 | 北京市农林科学院 | 5000个snp位点组合的应用及小麦品种真实性身份鉴定的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102952855A (zh) * | 2011-08-26 | 2013-03-06 | 深圳华大基因科技有限公司 | 遗传图谱构建方法和装置、单体型分析方法和装置 |
CN103184277A (zh) * | 2011-12-30 | 2013-07-03 | 北京林业大学 | 梅花遗传图谱构建方法 |
CN105256044A (zh) * | 2015-11-03 | 2016-01-20 | 中国农业科学院作物科学研究所 | 一种基于单核苷酸多态性的小麦分子条形码 |
-
2017
- 2017-07-27 CN CN201710625095.XA patent/CN107267641B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102952855A (zh) * | 2011-08-26 | 2013-03-06 | 深圳华大基因科技有限公司 | 遗传图谱构建方法和装置、单体型分析方法和装置 |
CN103184277A (zh) * | 2011-12-30 | 2013-07-03 | 北京林业大学 | 梅花遗传图谱构建方法 |
CN105256044A (zh) * | 2015-11-03 | 2016-01-20 | 中国农业科学院作物科学研究所 | 一种基于单核苷酸多态性的小麦分子条形码 |
Non-Patent Citations (2)
Title |
---|
SUKUMARAN S ET,AL: "Genome-wide association study for grain yield and related traits n an elite spring wheat population grown in temperate irrigated environments.", 《THEOR APPL GENET》 * |
盖红梅 等: "鲁麦 14 对山东新选育小麦品种的遗传贡献", 《作物学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112562786A (zh) * | 2020-12-24 | 2021-03-26 | 华中农业大学 | 一种基于遗传群体组装基因组的方法、装置及存储介质 |
CN112562786B (zh) * | 2020-12-24 | 2022-07-26 | 华中农业大学 | 一种基于遗传群体组装基因组的方法、装置及存储介质 |
CN113718052A (zh) * | 2021-09-01 | 2021-11-30 | 北京市农林科学院 | 5000个snp位点组合的应用及小麦品种真实性身份鉴定的方法 |
CN113718052B (zh) * | 2021-09-01 | 2023-11-17 | 北京市农林科学院 | 5000个snp位点组合的应用及小麦品种真实性身份鉴定的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107267641B (zh) | 2019-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nakatsuka et al. | The promise of discovering population-specific disease-associated genes in South Asia | |
US11574706B2 (en) | Systems and methods for visualization of single-cell resolution characteristics | |
Kassambara | Practical guide to cluster analysis in R: Unsupervised machine learning | |
Viscosi et al. | Leaf morphological analyses in four European oak species (Quercus) and their hybrids: A comparison of traditional and geometric morphometric methods | |
Civáň et al. | Three geographically separate domestications of Asian rice | |
Vikram et al. | Unlocking the genetic diversity of Creole wheats | |
Ehrenreich et al. | Dissection of genetically complex traits with extremely large pools of yeast segregants | |
Shaw et al. | Helium: visualization of large scale plant pedigrees | |
Lehermeier et al. | Assessment of genetic heterogeneity in structured plant populations using multivariate whole-genome regression models | |
Esko et al. | Genetic characterization of northeastern Italian population isolates in the context of broader European genetic diversity | |
Brown et al. | Genetic support for phenotype‐based racial classification in sorghum | |
CN107368700A (zh) | 基于计算云平台的微生物多样性交互分析系统及其方法 | |
Hodson et al. | Ethiopia’s transforming wheat landscape: tracking variety use through DNA fingerprinting | |
Pehkonen et al. | Theme discovery from gene lists for identification and viewing of multiple functional groups | |
Hermisson | Who believes in whole-genome scans for selection? | |
de Los Campos et al. | Incorporating genetic heterogeneity in whole-genome regressions using interactions | |
Horscroft et al. | Sequencing era methods for identifying signatures of selection in the genome | |
Bhargavi et al. | A novel barcode system for rapid identification of rice (Oryza sativa L.) varieties using agro-morphological descriptors and molecular markers | |
CN107267641A (zh) | 一种小麦品种遗传组成图谱的绘制方法 | |
Howard et al. | Joint use of genome, pedigree, and their interaction with environment for predicting the performance of wheat lines in new environments | |
Caldu-Primo et al. | Finding a needle in a haystack: distinguishing Mexican maize landraces using a small number of SNPs | |
de Sousa Lopes et al. | Distinct bacterial community structure and composition along different cowpea producing ecoregions in Northeastern Brazil | |
CN108388765A (zh) | 基于网络平台的全基因组选择育种值无偏估计工具gs1.0 | |
Chu et al. | GeneSpringTM: tools for analyzing microarray expression data | |
Li et al. | Identification of F1 hybrid progenies in mango based on Fluorescent SSR markers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |