The identification of candidate radio marker genes using a coexpression network analysis in gamma‐irradiated rice
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
Plant physiological and biochemical processes are significantly affected by gamma irradiation stress. In addition, gamma-ray (GA) differentially affects gene expression across the whole genome. In this study, we identified radio marker genes (RMGs) responding only to GA stress compared with six abiotic stresses (chilling, cold, anoxia, heat, drought and salt) in rice. To analyze the expression patterns of differentially expressed genes (DEGs) in gamma-irradiated rice plants against six abiotic stresses, we conducted a hierarchical clustering analysis by using a complete linkage algorithm. The up- and downregulated DEGs were observed against six abiotic stresses in three and four clusters among a total of 31 clusters, respectively. The common gene ontology functions of upregulated DEGs in clusters 9 and 19 are associated with oxidative stress. In a Pearson's correlation coefficient analysis, GA stress showed highly negative correlation with salt stress. On the basis of specific data about the upregulated DEGs, we identified the 40 candidate RMGs that are induced by gamma irradiation. These candidate RMGs, except two genes, were more highly induced in rice roots than in other tissues. In addition, we obtained other 38 root-induced genes by using a coexpression network analysis of the specific upregulated candidate RMGs in an ARACNE algorithm. Among these genes, we selected 16 RMGs and 11 genes coexpressed with three RMGs to validate coexpression network results. RT-PCR assay confirmed that these genes were highly upregulated in GA treatment. All 76 genes (38 root-induced genes and 38 candidate RMGs) might be useful for the detection of GA sensitivity in rice roots.
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 | 0,001 |
| 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 découle