Leaf cuticular lipids on the Shandong and Yukon ecotypes of saltwater cress, <i>Eutrema salsugineum</i>, and their response to water deficiency and impact on cuticle permeability
Notice bibliographique
Résumé
The impact of water-deficit stress on leaf cuticular waxes and cutin monomers, and traits associated with cuticle permeability were examined in Shandong and Yukon ecotypes of Eutrema salsugineum (syn. Thellungiella salsuginea). Although Shandong exhibits glaucous leaves, and Yukon is non-glaucous, wax amounts on non-stressed Yukon leaves were 4.6-fold higher than on Shandong, due mainly to Yukon's eightfold higher wax fatty acids, especially the C22 and C24 acid homologues. Water deficit caused a 26.9% increase in total waxes on Shandong leaves, due mainly to increased C22 and C24 acids; and caused 10.2% more wax on Yukon, due mainly to an increase in wax alkanes. Total cutin monomers on non-stressed leaves of Yukon were 58.3% higher than on Shandong. Water deficit caused a 28.2% increase in total cutin monomers on Shandong, whereas total cutin monomers were not induced on Yukon. With or without stress, more abundant cuticle lipids were generally associated with lower water loss rates, lower chlorophyll efflux rates and an extended time before water deficit-induced wilting. In response to water deficit, Shandong showed elevated transcription of genes encoding elongase subunits, consistent with the higher stress induction of acids by Shandong. Yukon's higher induction of CER1 and CER3 transcripts may explain why alkanes increased most on Yukon after water deficit. Eutrema, with its diverse cuticle lipids and responsiveness, provides a valuable genetic resource for identifying new genes and alleles effecting cuticle metabolism, and lays groundwork for studies of the cuticle's role in extreme stress tolerance.
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 ».