EST sequencing and gene expression profiling of cultivated peanut (<i>Arachis hypogaea</i>L.)
Notice bibliographique
Résumé
Peanut (Arachis hypogaea L.) is one of the most important oil crops in the world. However, biotechnological based improvement of peanut is far behind many other crops. It is critical and urgent to establish the biotechnological platform for peanut germplasm innovation. In this study, a peanut seed cDNA library was constructed to establish the biotechnological platform for peanut germplasm innovation. About 17,000 expressed sequence tags (ESTs) were sequenced and used for further investigation. Among which, 12.5% were annotated as metabolic related and 4.6% encoded transcription or post-transcription factors. ESTs encoding storage protein and enzymes related to protein degradation accounted for 28.8% and formed the largest group of the annotated ESTs. ESTs that encoded stress responsive proteins and pathogen-related proteins accounted for 5.6%. ESTs that encoded unknown proteins or showed no hit in the GenBank nr database accounted for 20.1% and 13.9%, respectively. A total number of 5066 EST sequences were selected to make a cDNA microarray. Expression analysis revealed that these sequences showed diverse expression patterns in peanut seeds, leaves, stems, roots, flowers, and gynophores. We also analyzed the gene expression pattern during seed development. Genes that were upregulated (≥twofold) at 15, 25, 35, and 45 days after pegging (DAP) were found and compared with 70 DAP. The potential value of these genes and their promoters in the peanut gene engineering study is discussed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».