A Systems Genetics Approach Identifies Gene Regulatory Networks Associated with Fatty Acid Composition in <i>Brassica rapa</i> Seed
Notice bibliographique
Résumé
Fatty acids in seeds affect seed germination and seedling vigor, and fatty acid composition determines the quality of seed oil. In this study, quantitative trait locus (QTL) mapping of fatty acid and transcript abundance was integrated with gene network analysis to unravel the genetic regulation of seed fatty acid composition in a Brassica rapa doubled haploid population from a cross between a yellow sarson oil type and a black-seeded pak choi. The distribution of major QTLs for fatty acids showed a relationship with the fatty acid types: linkage group A03 for monounsaturated fatty acids, A04 for saturated fatty acids, and A05 for polyunsaturated fatty acids. Using a genetical genomics approach, expression quantitative trait locus (eQTL) hotspots were found at major fatty acid QTLs on linkage groups A03, A04, A05, and A09. An eQTL-guided gene coexpression network of lipid metabolism-related genes showed major hubs at the genes BrPLA2-ALPHA, BrWD-40, a number of seed storage protein genes, and the transcription factor BrMD-2, suggesting essential roles for these genes in lipid metabolism. Three subnetworks were extracted for the economically important and most abundant fatty acids erucic, oleic, linoleic, and linolenic acids. Network analysis, combined with comparison of the genome positions of cis- or trans-eQTLs with fatty acid QTLs, allowed the identification of candidate genes for genetic regulation of these fatty acids. The generated insights in the genetic architecture of fatty acid composition and the underlying complex gene regulatory networks in B. rapa seeds are discussed.
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 ».