No description available.

<p> Fruit size is a polygenic trait controlled by multiple genomic regions each with small effect. The complex nature of fruit size regulation makes it challenging to dissect individual genes responsible for phenotypic variation. Though recent advances in high-throughput genome sequencing technology in conjunction with improved statistical and computational methods empowered science to explicitly understand the genetic basis underlying multiple fruit quality traits, much of the work that has been done through classical quantitative trait loci (QTL) approach resulted in reduced resolution and instability when evaluating in different genetic backgrounds and different environments. To increase the precision and improve the stability of QTL analyses and to identify genes controlling fruit size, we performed a set of multiple quantitative and molecular genetic analyses to elucidate the underlying genetic architecture of fruit mass. A total of nine genomic regions associated with fruit mass were identified, two of which are novel to this study; markers Md14_26050918 and Md14_26050904. Detected QTLs explained ~ 42% of the total genetic variation of which ~ 20% is explained by the two novel QTLs. Regions responsible for fruit mass variation appear to be under strong additive and epistatic genetic control. These regions exhibited high stability across-family as well as across-years and showed accurate genomic prediction across-family. Additionally, we identified the apple gene family of putative fw2.2 orthologs, naming them Cell Number Regulators (CNRs) genes (MdCNRs). Three CNRs (MdCNR1-3) showed increased expression at early fruit growth in small-fruited crabapple, associating with reduced relative cell production rate (RCPR), suggesting that alteration in cell number that leads to a subsequent reduction in fruit size is probably due to reduced cell division most likely due to changes in CNRs regulation. Furthermore, our study revealed that reduced fruit size is partially due to the shortened cell expansion period after which cell expansion ceases in the small-fruited crabapple species. Together, these data will advance our understanding of dissecting fruit mass genetic architecture and have high potential to be deployed for marker-assisted selection and further breeding approaches. </p>

Philosophiae Doctor - PhD / The growth and development of apple (Malus x domestica Borkh.) fruit occurs over a period of about 150 days after anthesis to full ripeness. During this period morphological and physiological changes occur defining fruit quality. These changes are a result of spatial and temporal patterns of gene expression during fruit development as regulated by environmental, genetic and environmental-by-genetic factors. A number of previous studies partially characterised the transcriptomes of apple leaf, fruit pulp, whole fruit, and peel plus pulp tissues, using cDNA micro arrays and other PCR based technologies. These studies, however, remain limited in throughput and specificity for transcripts of low abundance. Hence, the aim of this project was to apply a high throughput technique to characterise the full mRNA transcriptome of the ‘Golden Delicious’ fruit peels and pulp tissues in order to understand the molecular mechanisms underlying the morphophysiological changes that occur during fruit development.

Äpfel müssen für die Verwendung als Tafelobst in einen den Handelsgütebestimmungen entsprechenden Zustand aufbereitet werden. Die Anforderungen an die Äpfel der einzelnen Klassen sind in den Qualitätsnormen und Handelsklassen für die EG festgelegt. Automatische Verfahren zur Sortierung von Äpfeln nach Größe, Farbe und Form kommen zum Einsatz. Qualitätsfehler auf der Apfeloberfläche ohne Farbveränderungen der Fruchtoberfläche werden nicht erkannt. Ausgehend von der auf dem Markt vorhandenen Sortiertechnik für Obst und Gemüse sowie den aktuellen technischen Möglichkeiten der Oberflächenerkennung bzw. -prüfung wurde nach einer Lösung gesucht, auch unverfärbte Oberflächenformveränderungen zu erkennen. Unverfärbte Oberflächenformveränderungen sind häufig die Ursache von größeren, oft infektiösen Schadstellen nach der Apfelaufbereitung. Sie führen zu Ausfällen für die Erzeuger und den Handel. Verbraucherbefragungen ergaben Interesse für den Handel an einer Erkennung unverfärbter Oberflächenformveränderungen zur Qualitätsverbesserung des Marktangebotes. Dabei sind breite flache, breite tiefe und tiefe schmale unverfärbte Oberflächenformveränderungen von besonderem Interesse. Nach bisher vorliegenden Untersuchungsergebnissen können mit Hilfe des Reflexionsmeßverfahrens Qualitätsfehler erkannt werden, die mit Verfärbung der Schale oder des schalennahen Fruchtfleisches einhergehen. Für die Erkennung von Druckstellen, die nicht mit Verfärbung verbunden sind, ist das Reflexionsmeßverfahren daher nur bedingt geeignet. Zur Problemlösung wurde ein Versuchsstand für Triangulationsmessungen mit Liniengitterprojektion aufgebaut. Es wurden 900 Apfelstreifenbilder der Apfelsorten "Golden Delicious", "Red Delicious" und "Braeburn" mit Hilfe des Versuchsaufbaus und dem zur Bilderkennung entwickelten Erkennungsalgorithmus untersucht. Zur Gewinnung der Merkmale aus dem Streifenbild wurde auf die Anzahl bzw. die Abstände der Streifen zurückgegriffen. Die aufgenommenen Apfelstreifenbilder wurden durch den Erkennungsalgorithmus in die Merkmalsklassen "gesunde Oberfläche", "Stiel- und Kelchgrube" und "Druckstelle" gruppiert. Nach den erfolgten Untersuchungen ist das Streifenprojektionsverfahren für die Sortierprozesse von Fruchtoberflächen geeignet, wenn die effektive optische Auflösung des Gesamtsystems, die von der Paßfähigkeit der Rastergrößen der einzelnen Baugruppen des Systems (Streifengitter, Kamerachip, Bildspeicher) abhängt, angepaßt werden kann (Ausschalten störender Moiré-Effekte im erforderlichen Auflösungsbereich). Die dreidimensionale Oberflächenkontur des Apfels moduliert das Abbild der projizierten Streifen, wodurch dreidimensionale Informationen der Oberflächentopographie in einem zweidimensionalen Bild impliziert werden können. Unverfärbte Oberflächenformveränderungen sind mit dem beschriebenen Erkennungsalgorithmus zu klassifizieren. Der Einsatz der Bilderkennung in dieser zeitkritischen Anwendung kann nur hardware-orientiert gelöst werden. Ein prinzipieller funktionsfähiger Lösungsansatz ist mit dem Erkennungsalgorithmus geschaffen. / Apples must conform to the trade quality regulations to be deemed fit for consumption. The EU requirements for each individual class of apple are specified in quality standards and trade classifications. Automatic processes are used to sort apples by size, colour and shape. Non-discoloured surface discrepancies of the fruit are not identified. This paper aims to find a system which allows non-discoloured surface discrepancies based on the sorting method for fruit and vegetables available on the market and state-of-the-art technology. Non-discoloured surface discrepancies often caused by serious, and in many cases, infectious areas of damage after the apples are processed. They result in losses for the grower and the trade. Consumer research revealed trade interest in a system which could identify non-discoloured surface discrepancies, leading to an increase in the quality of goods supplied to the market. Broad shallow, broad deep and shallow narrow non-discoloured discrepancies are of particular relevance. Previous studies have shown that discoloured discrepancies (discrepancies involving discoloration of the skin, or the fruit tissue immediately below the skin) can be identified using reflection measurement procedures. Such procedures have limited applicability for evaluating bruises which do not result in skin discoloration. An experiment bench was constructed for triangulation readings of projected line patterns in an attempt to solve this problem. Altogether 900 stripe images of apples of the "Golden Delicious", "Red Delicious" and "Braeburn" varieties were analysed using the experiment design and the algorithm developed for evaluating the images. The characteristics of the stripe image were determined on the basis of the number of stripes, or the spacing between the stripes. The recorded apple stripe images were grouped into the following characteristic categories by the evaluation algorithm: "healthy surface", "stalk and calyx" and "bruise". The study shows that the stripe projection procedure is suitable for sorting fruit by surface quality if the effective optical resolution of the overall system can be adapted accordingly (i.e. if the interfering Moiré effects can be eliminated in the required resolution range). This resolution depends on the grid sizes of individual system components (stripe pattern, camera chip, image memory). The three-dimensional contours of the apple surface alter the reflection of the projected stripes, which allows three-dimensional information regarding the surface topography to be indicated in a two-dimensional image. Non-discoloured surface discrepancies may be classified with the evaluation algorithm described above. The only viable method of applying image evaluation procedures requires substantial hardware. The evaluation algorithm is one solution which functions in principle.