Novel genes are enriched in normalized cDNA libraries from drought-stressed seedlings of rice (<i>Oryza sativa</i> L. subsp. <i>indica </i>cv. Nagina 22)
Notice bibliographique
Résumé
We have utilized an efficient method to enrich cDNA libraries for novel genes and genes responsive to drought stress in rice (Oryza sativa L. subsp. indica). We separately constructed standard and normalized cDNA libraries from leaf tissue of rice seedlings grown under controlled drought stress. Sequencing from the 3' end was performed on 1000 clones from the normalized leaf cDNA library and 200 clones from the standard leaf cDNA library. For the first 200 clones, the clone redundancy in the non-normalized library was about 10%, compared with 3.5% in the normalized cDNA library. Comparison of these cDNAs with the sequences in public databases revealed that 28.2% of the expressed sequence tags (ESTs) from the normalized library were novel. Clones from the standard and normalized leaf libraries and a root library uncovered numerous cDNAs that are highly homologous to known drought-responsive genes including those that encode metallothioneins, late embroyonic abundant (LEA) proteins, heat-shock proteins, cytochrome P450 enzymes, catalases, peroxidases, kinases, phosphatases, and transcription factors.
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 ».