Transcriptional responses of Arabidopsis thaliana to chewing and sucking insect herbivores
Notice bibliographique
Résumé
We tested the hypothesis that Arabidopsis can recognize and respond differentially to insect species at the transcriptional level using a genome wide microarray. Transcriptional reprogramming was characterized using co-expression analysis in damaged and undamaged leaves at two times in response to mechanical wounding and four insect species. In all, 2778 (10.6%) of annotated genes on the array were differentially expressed in at least one treatment. Responses differed mainly between aphid and caterpillar and sampling times. Responses to aphids and caterpillars shared only 10% of up-regulated and 8% of down-regulated genes. Responses to two caterpillars shared 21 and 12% of up- and down-regulated genes, whereas responses to the two aphids shared only 7 and 4% of up-regulated and down-regulated genes. Overlap in genes expressed between 6 and 24 h was 3-15%, and depended on the insect species. Responses in attacked and unattacked leaves differed at 6 h but converged by 24 h. Genes responding to the insects are also responsive to many stressors and included primary metabolism. Aphids down-regulated amino acid catabolism; caterpillars stimulated production of amino acids involved in glucosinolate synthesis. Co-expression analysis revealed 17 response networks. Transcription factors were a major portion of differentially expressed genes throughout and responsive genes shared most of the known or postulated binding sites. However, cis-element composition of genes down regulated by the aphid M. persicae was unique, as were those of genes down-regulated by caterpillars. As many as 20 cis-elements were over-represented in one or more treatments, including some from well-characterized classes and others as yet uncharacterized. We suggest that transcriptional changes elicited by wounding and insects are heavily influenced by transcription factors and involve both enrichment of a common set of cis-elements and a unique enrichment of a few cis-elements in responding genes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».