Candidate Effector Proteins of the Rust Pathogen <i>Melampsora larici-populina</i> Target Diverse Plant Cell Compartments
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Rust fungi are devastating crop pathogens that deliver effector proteins into infected tissues to modulate plant functions and promote parasitic growth. The genome of the poplar leaf rust fungus Melampsora larici-populina revealed a large catalog of secreted proteins, some of which have been considered candidate effectors. Unraveling how these proteins function in host cells is a key to understanding pathogenicity mechanisms and developing resistant plants. In this study, we used an effectoromics pipeline to select, clone, and express 20 candidate effectors in Nicotiana benthamiana leaf cells to determine their subcellular localization and identify the plant proteins they interact with. Confocal microscopy revealed that six candidate effectors target the nucleus, nucleoli, chloroplasts, mitochondria, and discrete cellular bodies. We also used coimmunoprecipitation (coIP) and mass spectrometry to identify 606 N. benthamiana proteins that associate with the candidate effectors. Five candidate effectors specifically associated with a small set of plant proteins that may represent biologically relevant interactors. We confirmed the interaction between the candidate effector MLP124017 and TOPLESS-related protein 4 from poplar by in planta coIP. Altogether, our data enable us to validate effector proteins from M. larici-populina and reveal that these proteins may target multiple compartments and processes in plant cells. It also shows that N. benthamiana can be a powerful heterologous system to study effectors of obligate biotrophic pathogens.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle