MétaCan
Menu
Retour à la cohorte
Enregistrement W2008817609 · doi:10.1111/ppl.12058

The identification of candidate radio marker genes using a coexpression network analysis in gamma‐irradiated rice

2013· article· en· W2008817609 sur OpenAlexfundno aff
Sun‐Hee Kim, Sun‐Goo Hwang, Jung Eun Hwang, Cheol Seong Jang, Vijayanand Velusamy, Jin‐Baek Kim, Sang Hoon Kim, Bo‐Keun Ha, Si‐Yong Kang, Dong Sub Kim

Notice bibliographique

RevuePhysiologia Plantarum · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Genetic and Mutation Studies
Établissements canadiensnon disponible
Organismes subventionnairesAtomic Energy of Canada LimitedKorea Atomic Energy Research Institute
Mots-clésCandidate geneGeneBiologyAbiotic componentAbiotic stressGeneticsDownregulation and upregulationGene expression

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,226
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysiologia PlantarumMême sujetPlant Genetic and Mutation StudiesTravaux en français237 207