Screening and identification of seed-specific genes using digital differential display tools combined with microarray data from common wheat
Notice bibliographique
Résumé
BACKGROUND: Wheat is one of the most important cereal crops for human beings, with seeds being the tissue of highly economic value. Various morphogenetic and metabolic processes are exclusively associated with seed maturation. The goal of this study was to screen and identify genes specifically expressed in the developing seed of wheat with an integrative utilization of digital differential display (DDD) and available online microarray databases. RESULTS: A total of 201 unigenes were identified as the results of DDD screening and microarray database searching. The expressions of 6 of these were shown to be seed-specific by qRT-PCR analysis. Further GO enrichment analysis indicated that seed-specific genes were mainly associated with defense response, response to stress, multi-organism process, pathogenesis, extracellular region, nutrient reservoir activity, enzyme inhibitor activity, antioxidant activity and oxidoreductase activity. A comparison of this set of genes with the rice (Oryza sativa) genome was also performed and approximately three-fifths of them have rice counterparts. Between the counterparts, around 63% showed similar expression patterns according to the microarray data. CONCLUSIONS: In conclusion, the DDD screening combined with microarray data analysis is an effective strategy for the identification of seed-specific expressed genes in wheat. These seed-specific genes screened during this study will provide valuable information for further studies about the functions of these genes in wheat.
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 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 | 0,000 | 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 tête enseignante, 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 ».